Python 使用稀疏索引和值更新numpy数组

我有一个一维numpy数组，希望存储它的稀疏更新。 假设我有一个长度为500000的数组，并希望对100个元素进行100次更新。更新要么是添加，要么只是更改值（我认为这无关紧要）

使用numpy的最佳方式是什么？ 我想只存储两个数组：索引，值，因此有两个对象：一个存储密集矩阵，另一个只保存索引和值，我可以对密集矩阵做如下操作：

dense_matrix[indices] += values_to_add

如果我有多个更新，我只需点击它们

但是这种numpy语法不能很好地处理重复的元素：它们只是被忽略了

当我们有一个重复索引为O（n）的更新时，更新对。我曾想过使用dict而不是数组来存储更新，从复杂性的角度来看，这看起来不错，但看起来不是很好的numpy风格

---

实现这一点最有表现力的方式是什么？我知道scipy稀疏对象，但（1）我想要纯numpy，因为（2）我想了解实现它的最有效方法。

如果您有可以使用的重复索引，请参阅文档：

对元素的操作数“a”执行无缓冲就地操作 由“索引”指定。对于添加ufunc，此方法是等效的 到a[索引]+=b，但结果是为元素累积的 多次编制索引的

代码

a = np.arange(10)
indices = [0, 2, 2]
np.add.at(a, indices, [-44, -55, -55])
print(a)

输出

[ -44    1 -108    3    4    5    6    7    8    9]

---

这个问题与稠密矩阵[索引]+=值的加法一样。没有办法在我需要更新之前收集更新。a=np.arange（10）index=[0,2,2]np.put（a，index，a[index]+[-44，-55，-55]）->[-44 1-53 3 4 5 6 7 8 9]我明白了，你想得到最后的更新还是所有的更新？我有这个稀疏数组，想分多个步骤，但一次更新它。我想将所有更新存储在一个更新对象中，并立即应用它们（也许解决这个问题的更好方法就是每次更新…）