Python:matrix height>；时，使用numpy将迭代赋值转换为原子赋值不起作用；256

我正在使用numpy1.6.2和python2.7
给定一个

nxmxd

矩阵

A

和一个包含索引列表的矩阵

I

。
我必须根据

I

中找到的索引，用

a

的元素之和填充一个零矩阵

ACopy

。

这是我的密码：

ACopy = zeros(A.shape)
for j in xrange(0, size(A, 0)):
  i = I[j]
  ACopy[j, i, :] = A[j, i, :] + A[j, i + 1, :]

指数矩阵：

I = array([2, 0, 3, 2, 1])

A

矩阵：

A = array([[[ 0,  1,  2],
        [ 3,  4,  5],
        [ 6,  7,  8],
        [ 9, 10, 11],
        [12, 13, 14]],

       [[15, 16, 17],
        [18, 19, 20],
        [21, 22, 23],
        [24, 25, 26],
        [27, 28, 29]],

       [[30, 31, 32],
        [33, 34, 35],
        [36, 37, 38],
        [39, 40, 41],
        [42, 43, 44]],

       [[45, 46, 47],
        [48, 49, 50],
        [51, 52, 53],
        [54, 55, 56],
        [57, 58, 59]],

       [[60, 61, 62],
        [63, 64, 65],
        [66, 67, 68],
        [69, 70, 71],
        [72, 73, 74]]])

我试图通过以下方式改进代码，避免for循环：

r = r_[0:len(I)]
ACopy[r, I, :] = A[r, I, :] + A[r, I + 1, :]

我注意到输出矩阵

ACopy

不同，我不明白为什么。有什么想法吗？

谢谢大家!

EDIT：我正在计算大量矩阵，并尝试使用

np.array_equals（ACopy1，ACopy2）

，其中

ACopy1

是第一个方法的输出，

ACopy2

是第二个方法的输出。有时矩阵是相同的，但不是每次都一样。这两种方法的输出应该相同，或者是否存在bordeline情况

EDIT2：我注意到只有当矩阵高度大于256时才会发生这种奇怪的行为。 这是我的测试套件：

from numpy import *

w = 5
h = 257

for i in xrange(1000):
  Z = random.rand(w, h, 5)

  I = (random.rand(w) * h - 1).astype(uint8)
  r = r_[0:w]
  ZCopy = zeros(Z.shape)
  ZCopy2 = zeros(Z.shape)

  for j in xrange(0, size(Z, 0)):
    i = I[j]
    ZCopy[j, i, :] = Z[j, i, :] + Z[j, i + 1, :]

  ZCopy2[r, I, :] = Z[r, I, :] + Z[r, I + 1, :]

  if (ZCopy - ZCopy2).any() > 0:
    print(ZCopy, ZCopy2, I)
    raise ValueError

我明白了
我将矩阵I转换为uint8，因此矩阵I元素介于0和255之间。

---

我使用

I=（random.rand（w）*h-1）解析astype（uint32）

这两个代码为我生成相同的结果，但我确实使用了更新版本的NumpyNote，即

I

必须是Numpy数组才能工作。请向我们展示一些新方法和旧方法不同的小示例输入。