Python 具有重复索引的增量Numpy数组

我有一个Numpy数组和一个索引列表，我想将其值增加一。这个列表可能包含重复的索引，我希望增量与每个索引的重复次数成比例。没有重复，命令很简单：

a=np.zeros(6).astype('int')
b=[3,2,5]
a[b]+=1

通过重复，我想出了以下方法

b=[3,2,5,2]                     # indices to increment by one each replicate
bbins=np.bincount(b)
b.sort()                        # sort b because bincount is sorted
incr=bbins[np.nonzero(bbins)]   # create increment array
bu=np.unique(b)                 # sorted, unique indices (len(bu)=len(incr))
a[bu]+=incr

这是最好的方式吗？假设

np.bincount

和

np.unique

操作将导致相同的排序顺序，是否存在风险？我错过了一些简单的Numpy操作来解决这个问题吗？

为什么不

for i in b:
    a[i] += 1

等你做完了

bbins=np.bincount(b)

为什么不：

a[:len(bbins)] += bbins

---

（为进一步简化而编辑。）

如果

b

是

a

的一个小范围子范围，则可以将Alok的答案细化如下：

import numpy as np
a = np.zeros( 100000, int )
b = np.array( [99999, 99997, 99999] )

blo, bhi = b.min(), b.max()
bbins = np.bincount( b - blo )
a[blo:bhi+1] += bbins

print a[blo:bhi+1]  # 1 0 2

---

在numpy>=1.8中，还可以使用添加“通用函数”（“ufunc”）的

at

方法。作为：

对于添加的ufunc，此方法相当于a[索引]+=b，不同的是，对于索引多次的元素，结果是累积的

以你为例：

a = np.zeros(6).astype('int')
b = [3, 2, 5, 2]

…然后

np.add.at(a, b, 1)

…将把

a

保留为

array([0, 0, 2, 1, 0, 1])

---

请注意，numpy.zeros（6）.astype（'int'）最好写为numpy.zeros（6，int）。当b只包含几个大的bin数时，这不会更慢吗？是的，在这种情况下，它会比简单的Python循环慢，但仍然比OP的代码快。我用

b=[99999799999]

和

a=np.zero（1000，'int'）

做了一个快速计时测试。计时是：OP:2.5毫秒，我的：495秒，简单循环：84秒。这很有效。在我的程序中，一个简单的循环通常比较慢。谢谢。在多维情况下，有没有类似的方法来实现这一点？这是目前最优雅的解决方案！我试图用一个矩阵来实现这一点，但我得到了一个错误：arr=np.array（[[1,3,5]，[7,9,11]）；lIndexes=[[0,1]，[1,0]，[1,2]]np.add.at（arr，lIndexes，1）有什么想法吗？我建议将这个关于多维索引的新问题作为一个单独的问题发布。