在Python/Numpy中一次分配相同的数组索引

我想在Python中找到一种快速方法（不使用for循环）来分配数组的重复索引。 这是使用for循环得到的理想结果：

import numpy as np
a=np.arange(9, dtype=np.float64).reshape((3,3))
# The array indices: [2,3,4] are identical.
Px = np.uint64(np.array([0,1,1,1,2]))
Py = np.uint64(np.array([0,0,0,0,0]))
# The array to be added at the array indices (may also contain random numbers).
x = np.array([.1,.1,.1,.1,.1])

for m in np.arange(len(x)):
    a[Px[m]][Py[m]] += x

print a
%[[ 0.1  1.  2.]
%[ 3.3  4.  5.]
%[ 6.1  7.  8.]]

当我尝试在索引

Px，Py

中将

x

添加到

a

时，我显然没有得到相同的结果（3.3 vs.3.1）：

---

有没有办法用numpy做到这一点？谢谢。

是的，可以这样做，但有点棘手：

# convert yourmulti-dim indices to flat indices
flat_idx = np.ravel_multi_index((Px, Py), dims=a.shape)
# extract the unique indices and their position
unique_idx, idx_idx = np.unique(flat_idx, return_inverse=True)
# Aggregate the repeated indices 
deltas = np.bincount(idx_idx, weights=x)
# Sum them to your array
a.flat[unique_idx] += deltas

---

首先，我将把这些值分组在一起，这样就有了一个元组列表（Px，Py）。然后对该列表进行排序，计算出现次数，用该数字乘以x，并将其添加到数组中。但不知何故，努比似乎跳过了两个入口……奇怪。呸，用完全相同的答案比我快了4秒。尽管如此，我还是真诚地希望有更好的方法来做到这一点。谢谢！我喜欢您使用np.ravel_multi_index函数获取平面索引，然后使用np.bincount和可选权重参数的方式。

# convert yourmulti-dim indices to flat indices
flat_idx = np.ravel_multi_index((Px, Py), dims=a.shape)
# extract the unique indices and their position
unique_idx, idx_idx = np.unique(flat_idx, return_inverse=True)
# Aggregate the repeated indices 
deltas = np.bincount(idx_idx, weights=x)
# Sum them to your array
a.flat[unique_idx] += deltas