Python 不带for循环的行、列分配

我编写了一个小脚本，通过了解numpy数组的行和列坐标来为其赋值：

gridarray = np.zeros([3,3])
gridarray_counts = np.zeros([3,3])

cols = np.random.random_integers(0,2,15)
rows = np.random.random_integers(0,2,15)
data = np.random.random_integers(0,9,15)

for nn in np.arange(len(data)):
    gridarray[rows[nn],cols[nn]] += data[nn]
    gridarray_counts[rows[nn],cols[nn]] += 1

事实上，我知道有多少值存储在同一个网格单元中，它们的总和是多少。但是，在长度为100000+的阵列上执行此操作的速度非常慢。有没有其他不使用for循环的方法

类似的方法是否可行？我知道这还不起作用

gridarray[rows,cols] += data
gridarray_counts[rows,cols] += 1

---

您可以直接执行此操作：

gridarray[(rows,cols)]+=data
gridarray_counts[(rows,cols)]+=1

---

我会使用

bincount

，但是现在bincount只需要1dArray，所以您需要编写自己的ndbincout，比如：

def ndbincount（x，权重=无，形状=无）：
如果形状为“无”：
形状=x.max（1）+1
x=np.ravel\u多重指数（x，形状）
out=np.bincount（x，权重，最小长度=np.prod（形状））
out.shape=shape
返回

然后你可以做：

gridarray = np.zeros([3,3])

cols = np.random.random_integers(0,2,15)
rows = np.random.random_integers(0,2,15)
data = np.random.random_integers(0,9,15)

x = np.vstack([rows, cols])
temp = ndbincount(x, data, gridarray.shape)
gridarray = gridarray + temp
gridarray_counts = ndbincount(x, shape=gridarray.shape)

---

不幸的是，这不会产生相同的（正确的）输出。@supercube啊，好的，我假设了唯一的索引。我将保留这个答案，以防它对其他可能具有唯一索引的人有所帮助。只是为了向未来的读者澄清一下，这个看似简单的解决方案是不起作用的，实际上是不起作用的，因为

行、列

包含重复的索引。有关更多详细信息，请参阅。该方法非常有效，比for循环分配方法快10倍。