Python 仅使用广播从指定列向量处的矩阵中减去列向量

我想用另一个向量从numpy矩阵中减去一个列向量，这个向量是列的索引，第一个列向量需要从主矩阵中减去。例如

M = array([[  1,   2,   1,   1],
           [  2,   1,   1,   1],
           [  1,   1,   2,   1],
           [  2,   1,   1,   1],
           [  1,   1,   1,   2]])  # An example matrix

V = array([1, 1, 1, 1, 1]) # An example column vector

I = array([0, 3, 2, 3, 1, 3, 3]) # The index maxtrix

现在我想在I中给出的列数处从M中减去V。 例如，I[0]是0，所以从矩阵M的第一列（零索引）中减去V

类似地，I[1]=3，从矩阵M的第四列（三个索引）中减去V

在操作结束时，由于3在I中出现4次，因此V将从第三列（即M的最后一列）中减去-4次

我只需要使用广播，不需要循环

我尝试了以下方法：

M[:, I] - V[np.newaxis, :].T

但它最终广播的结果矩阵的列数比M中的多。

我们可以在

M

-

np.subtract.at(M.T,I,V)

---

可以使用

bincount

和

outer

>>> M - np.outer(V, np.bincount(I, None, M.shape[1]))
array([[ 0,  1,  0, -3],
       [ 1,  0,  0, -3],
       [ 0,  0,  1, -3],
       [ 1,  0,  0, -3],
       [ 0,  0,  0, -2]])

或

在

>>> out = M.copy()
>>> np.subtract.at(out, (np.s_[:], I), V[:, None])
>>> out
array([[ 0,  1,  0, -3],
       [ 1,  0,  0, -3],
       [ 0,  0,  1, -3],
       [ 1,  0,  0, -3],
       [ 0,  0,  0, -2]])

扩展
I
似乎没有必要-为了简洁起见，仍然是+1