Python 累积加法（单位：numpy）

如何使循环更快

import numpy as np

# naively small input data
image = np.array( [[2,2],[2,2]] )
polarImage = np.array( [[0,0],[0,0]] )
a = np.array( [[0,0],[0,1]] )
r = np.array( [[0,0],[0,1]] )

# TODO - this loop is too slow
it = np.nditer(image, flags=['multi_index'])
while not it.finished:
  polarImage[ a[it.multi_index],r[it.multi_index] ] += it[0]
  it.iternext()

print polarImage

# this is fast but doesn't cumulate the results!
polarImage = np.array( [[0,0],[0,0]] )
polarImage[a,r]+= image

print polarImage

第一次打印返回：

[[6 0]
 [0 2]]

第二点：

[[2 0]
 [0 2]]

---

通过累积加法，我的意思是，有时必须将来自图像的两个或多个值加到一个极化的单元格中。在这种情况下，使用

nditer

会模糊该过程，而不会提高速度。我们更习惯于看到双循环：

In [670]: polarImage=np.zeros_like(image)
In [671]: for i in range(2):
    for j in range(2):
        polarImage[a[i,j],r[i,j]] += image[i,j]

In [672]: polarImage
Out[672]: 
array([[6, 0],
       [0, 2]])

polarImage[a，r]+=image

由于缓冲问题而无法工作。

（0,0）

索引对使用了3次。有一种专门针对这种情况的

ufunc

方法，

at

。它执行无缓冲操作；很可能使用与第一个示例相同的

nditer

，但使用的是编译后的代码

In [676]: polarImage=np.zeros_like(image)
In [677]: np.add.at(polarImage, (a,r), image)
In [678]: polarImage
Out[678]: 
array([[6, 0],
       [0, 2]])

---

请给出输入示例，将其转化为一个示例？我不清楚你的目标是什么。请再看一遍。np.add.at就是我要找的。速度快了10倍！