Python 随着列索引的增加，PyTorch将值按行索引粘贴到张量中

我有一个张量

输出

，我想在其中放入一些

值

。我知道每个值应该进入的行，但我没有描述列的索引张量。相反，如果有属于一行的

k

值，则它们应该放在第0、1、…、k-1列中。用一个例子也许可以更好地解释这一点：

导入火炬
n=4
最大值=5
输出=火炬零点（n，最大值）
row_idx=火炬张量（[0,0,0,0,1,1,2,2,3]）
values=torch.arange（len（row_idx））.float（）#值可以是任何东西，而不仅仅是arange
#输出[？？]=值

这里前4个值应该在[0,0]处输出。。。[0,3]，[1,0]，[1,1]处的下两个值，依此类推

我现在是这样做的

，counts=torch.unique（行\u idx，返回\u counts=True）
射程=火炬距离（最大）
col_idx=火炬.cat（[range_[:c]用于计数中的c]）
输出[行idx，列idx]=值
输出

有没有更有效的方法将这些值粘贴到适当的位置

---

（如果你能想出一个更好的标题，请随意推荐）

我认为你的解决方案具有线性时间复杂性。因此，我不确定是否可以进一步改进。然而，我认为你提供的解决方案是不正确的。让我举个例子

对于以下输入：

row_idx = torch.tensor([0, 0, 1, 0, 0, 1, 2, 2, 2, 3])

您的解决方案输出以下内容

tensor([[4., 1., 3., 3., 0.],
        [2., 5., 2., 0., 0.],
        [6., 7., 8., 0., 0.],
        [9., 0., 0., 0., 0.]])

但是，我认为您的预期产出是：

tensor([[0., 1., 3., 4., 0.],
        [2., 5., 0., 0., 0.],
        [6., 7., 8., 0., 0.],
        [9., 0., 0., 0., 0.]])

因此，我建议以下我认为是正确的解决方案

def helper(a):
    idx = a.cumsum(-1)
    id_arr = torch.ones(idx[-1], dtype=int)
    id_arr[0] = 0
    id_arr[idx[:-1]] = -a[:-1]+1
    return id_arr.cumsum(-1)

n = 4
max_cols = 5
output = torch.zeros(n, max_cols)
row_idx = torch.tensor([0, 0, 1, 0, 0, 1, 2, 2, 2, 3])
values = torch.arange(len(row_idx)).float()

count = torch.unique(row_idx, return_counts=True)[1]
col_idx = helper(count)[row_idx.argsort().argsort()]
output[row_idx, col_idx] = values
print(output)

---

更新

您只需向代码中添加一行代码，如下所示，即可使其正常工作

_, counts = torch.unique(row_idx, return_counts=True)
range_ = torch.arange(max_cols)
col_idx = torch.cat([range_[:c] for c in counts])
col_idx = col_idx[row_idx.argsort().argsort()] # <== UPDATE
output[row_idx, col_idx] = values
print(output)

，counts=torch.unique（行\u idx，返回\u counts=True）
射程=火炬距离（最大）
col_idx=火炬.cat（[range_[:c]用于计数中的c]）
col_idx=col_idx[row_idx.argsort（）。不过，这是一个很好的机会。如果没有人在一点时间内发布更简单/更快的内容，我会接受这一点，因为它更一般。您是否使用
helper
而不是仅仅对行索引进行排序以避免成为O（n log n）？（我不知道PyTorch是否有基数排序）不，helper函数只是代码中前三行的替代品<代码>\uu，计数=torch.unique（行\u idx，返回\u计数=True）；射程=火炬距离（最大值）；col_idx=火炬.cat（[range_[:c]表示计数中的c]）

在代码中，如果您添加以下行：

col\u idx=col\u idx[row\u idx.argsort（）.argsort（）]

，我认为这也适用于您。

_, counts = torch.unique(row_idx, return_counts=True)
range_ = torch.arange(max_cols)
col_idx = torch.cat([range_[:c] for c in counts])
col_idx = col_idx[row_idx.argsort().argsort()] # <== UPDATE
output[row_idx, col_idx] = values
print(output)