Python 更新条件给定的行和列的数组值

我有以下两个阵列：

a = np.mat('5;5;1;4;3;2;1;5;3')
b = np.zeros((9,9))

数组

a

是一个簇分配，其中每个对象（由一行表示）分配给给定簇（由一个数字表示）。我有多个这样的集群分配，我想在数组

b

中计算每对对象在同一集群中同时出现的频率。在Matlab中，我将编写如下内容：

b(a==5,a==5) = b(a==5,a==5) + 1

产出将是：

 b =
      1     1     0     0     0     0     0     1     0
      1     1     0     0     0     0     0     1     0
      0     0     0     0     0     0     0     0     0
      0     0     0     0     0     0     0     0     0
      0     0     0     0     0     0     0     0     0
      0     0     0     0     0     0     0     0     0
      0     0     0     0     0     0     0     0     0
      1     1     0     0     0     0     0     1     0
      0     0     0     0     0     0     0     0     0

例如，

b（2,8）==1（使用从1开始的Matlab索引），因为
2
和
8
两个元素都在集群
5
中

NumPy的索引系统非常不同，我想知道如何在那里做同样的事情

更新：

In [1285]: %%timeit
      ...: d=1000
      ...: b=np.zeros((d,d))
      ...: a=arange(d)>(d/2)
      ...: at=a[:,None]
      ...: b[a&at]+=1
      ...: 
10 loops, best of 3: 32.5 ms per loop

使用
b[m&m.T]+=1
可以得到正确的结果。我还提出了以下方法：

c = np.nonzero(a == 5)[0]
b[c.T,c] +=1

是否有充分的理由使用其中一个而不是另一个？我使用具有成千上万行/列的大型阵列
 像这样的

In [1149]: m=(a==5)

In [1150]: b[m+m.T]+=1

In [1151]: b
Out[1151]: 
array([[ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.,  1.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.]])

更新：

In [1285]: %%timeit
      ...: d=1000
      ...: b=np.zeros((d,d))
      ...: a=arange(d)>(d/2)
      ...: at=a[:,None]
      ...: b[a&at]+=1
      ...: 
10 loops, best of 3: 32.5 ms per loop

根据您的评论，我想您需要的是
&
：

In [1220]: b[m&m.T]+=1

In [1221]: b
Out[1221]: 
array([[ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 1.,  1.,  0.,  0.,  0.,  0.,  0.,  1.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]])

基准测试：

In [1285]: %%timeit
      ...: d=1000
      ...: b=np.zeros((d,d))
      ...: a=arange(d)>(d/2)
      ...: at=a[:,None]
      ...: b[a&at]+=1
      ...: 
10 loops, best of 3: 32.5 ms per loop

你能给出一个输出示例吗？不幸的是，不能。输出数组在位置（0,2）处有值1，这是不正确的，因为这两个元素位于不同的簇中（分别为5和1）。干杯，我添加了示例输出，它目前给出了正确的结果。然而，它是否有效？如果我理解正确，您需要创建一个带有
good.shape[0]^2
元素的临时数组，这对于大型数组来说可能非常昂贵。@JohnManak是的，它使用numpy广播创建了一个tem 2D数组，但我不认为它太贵，请更新