Python 多维numpy数组中的索引更新

我正在使用numpy对许多大型数组中的许多值进行计数，并跟踪最大值出现在哪些位置

特别是，假设我有一个“计数”数组：

data = numpy.array([[ 5, 10, 3],
                    [ 6, 9, 12],
                    [13, 3,  9],
                    [ 9, 3,  1],
                    ...
                    ])
counts = numpy.zeros(data.shape, dtype=numpy.int)

数据

将发生很大变化，但我希望“计数”反映每个位置出现最大值的次数：

max_value_indices = numpy.argmax(data, axis=1)
# this is now [1, 2, 0, 0, ...] representing the positions of 10, 12, 13 and 9, respectively.

根据我对努比广播的理解，我应该能够说：

counts[max_value_indices] += 1

我希望阵列能够更新：

[[0, 1, 0],
 [0, 0, 1],
 [1, 0, 0],
 [1, 0, 0],
 ...
]

但这会增加

计数中的所有值，从而得出：

[[1, 1, 1],
 [1, 1, 1],
 [1, 1, 1],
 [1, 1, 1],
 ...
]

我还认为，如果我将max_value_索引转换为100x1数组，它可能会起作用：

counts[max_value_indices[:,numpy.newaxis]] += 1

但这只会更新位置0、1和2中的元素：

[[1, 1, 1],
 [1, 1, 1],
 [1, 1, 1],
 [0, 0, 0],
 ...
]

我也很乐意将索引数组转换为0和1的数组，然后每次都将其添加到
计数数组中，但我不确定如何构造它。
您可以使用所谓的（aka）：

第一个数组，
np.arange（data.shape[0]）
指定行。第二个数组，
np.argmax（数据，轴=1）
指定了列。
我想你的意思一定是
argmax（）
，而不是
max（）
？
In [24]: counts[np.arange(data.shape[0]), 
                np.argmax(data, axis=1)] += 1

In [25]: counts
Out[25]: 
array([[0, 1, 0],
       [0, 0, 1],
       [1, 0, 0],
       [1, 0, 0]])