Python 花式索引的Numpy循环广播

A

是一个

numpy

数组，具有

（6,8）

我想：

x_id = np.array([0, 3])
y_id = np.array([1, 3, 4, 7])

A[ [x_id, y_id] += 1  # this doesn't actually work.

像

：：2

这样的技巧不会奏效，因为索引不会定期增加

我不想使用额外的内存重复

[0,3]

并创建一个新数组

[0,3,0,3]

，因为这样做很慢

这两个维度的索引长度不相等

这相当于：

A[0, 1] += 1
A[3, 3] += 1
A[0, 4] += 1
A[3, 7] += 1

numpy

可以这样做吗

更新：

---

不确定

broadcast\u to

或

stride\u tricks

是否比嵌套的python循环快。（）

您可以将

y\u id

转换为第二维度与

x\u id

相同的2d数组，然后由于维度差异，两个索引将自动广播：

x_id = np.array([0, 3])
y_id = np.array([1, 3, 4, 7])
​
A = np.zeros((6,8))
A[x_id, y_id.reshape(-1, x_id.size)] += 1 

A
array([[ 0.,  1.,  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.,  1.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]])

---

您可以将

y\u id

转换为第二维度与

x\u id

相同的二维数组，然后由于维度差异，两个索引将自动广播：

x_id = np.array([0, 3])
y_id = np.array([1, 3, 4, 7])
​
A = np.zeros((6,8))
A[x_id, y_id.reshape(-1, x_id.size)] += 1 

A
array([[ 0.,  1.,  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.,  1.,  0.,  0.,  0.,  1.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.]])

---

听起来好极了。。。实际阵列是6维的。让我试试。听起来好极了。。。实际阵列是6维的。让我试试。希望存在：希望存在：