Python 是否有更快的Numpy函数来执行add.at，但有两组索引？

我正在尝试做一个非常类似于numpy.add.at的操作，但是有两对索引，我想知道是否有一种更快的方法可以使用numpy或其他东西来完成这个操作，而不是运行非常缓慢的for循环

以下方法可行，但我正在尝试更快地完成：

for x,y in indices:
  A[B[x,y]] += C[x,y]

其中，为B[x，y]获得的值将有许多重复项，因此B[1,1]可能等于B[1,2]

---

numpy.add.at（A，indexes，C）

非常接近，但我无法理解，因为B基本上将索引映射到另一个空间。我希望有一种更快的方法来使用numpy或其他东西，可能没有显式循环。

是否有重复的

B

值？如果没有重复，那么

A[B]+=C的某个版本会更快。这是重复的可能性，需要添加.at

。也可以使用

numba

编写此命令，并获得良好的速度。但其他人必须在这方面帮助你

numba的

索引不如

numpy

灵活。谢谢你的问题-有很多重复的B值-我已经把它添加到了问题中。索引延伸的空间比B从索引映射的空间要大。考虑在B[x，y]上使用BiNoCuth.（），将参数权重设置为C[x，y] @ tStasl，就是这样！bincount似乎只在1d中工作，但我将数组展平并使用了它-难以置信的加速谢谢有重复的

B

值吗？如果没有重复，那么

A[B]+=C的某个版本会更快。这是重复的可能性，需要添加.at

。也可以使用

numba

编写此代码并获得良好的速度。但其他人必须在这方面帮助你

numba的

索引不如

numpy

灵活。谢谢你的问题-有很多重复的B值-我已经把它添加到了问题中。索引延伸的空间比B从索引映射的空间要大。考虑在B[x，y]上使用BiNoCuth.（），将参数权重设置为C[x，y] @ tStasl，就是这样！bincount似乎只能在1d中工作，但我将阵列展平并使用了它-难以置信的加速，谢谢