在没有循环的数组中累加数字。（python）

所以我有一个（看起来）简单的问题，我现在通过for循环来解决这个问题

基本上，我希望在numpy矩阵中增加特定的单元格，但如果可能的话，我希望不使用for循环

要提供更多详细信息：我有

100x100

numpy矩阵，

x

。我还有一个

2x1000

numpy矩阵

P

P

只是将索引存储到

X

，因此，例如，

P

的每一列都有单元格的行-列索引，我想在

X

中增加该索引

我现在做的是：

for p in range(P.shape[1]):
  X[P[0,p], P[1,p]] += 1

我的问题是，有没有一种不使用for循环的方法来实现这一点

谢谢

使用

add

ufunc的方法：

或者，如果

p

保证不会选择

X

的同一单元格两次，则只需进行高级索引：

X[P[0], P[1]] += 1

使用

add

ufunc的方法：

或者，如果

p

保证不会选择

X

的同一单元格两次，则只需进行高级索引：

X[P[0], P[1]] += 1

---

使用

线性指数

和

bincount

-

lidx = np.ravel_multi_index(P, X.shape)
X += np.bincount(lidx, minlength=X.size).reshape(X.shape)

标杆管理 对于索引不重复的情况，中建议的基于的高级索引方法似乎非常有效

对于重复的情况，我们有

np.add.at

和

np.bincount

，性能数字似乎取决于索引数组相对于输入数组的大小

接近-

 def app0(X,P): # @user2357112's soln1
     np.add.at(X, (P[0], P[1]), 1)

 def app1(X, P): # Proposed in this ppst
     lidx = np.ravel_multi_index(P, X.shape)
     X += np.bincount(lidx, minlength=X.size).reshape(X.shape)

这里有一些时间测试表明-

案例1：

案例2：

案例3：

---

使用

线性指数

和

bincount

-

lidx = np.ravel_multi_index(P, X.shape)
X += np.bincount(lidx, minlength=X.size).reshape(X.shape)

标杆管理 对于索引不重复的情况，中建议的基于的高级索引方法似乎非常有效

对于重复的情况，我们有

np.add.at

和

np.bincount

，性能数字似乎取决于索引数组相对于输入数组的大小

接近-

 def app0(X,P): # @user2357112's soln1
     np.add.at(X, (P[0], P[1]), 1)

 def app1(X, P): # Proposed in this ppst
     lidx = np.ravel_multi_index(P, X.shape)
     X += np.bincount(lidx, minlength=X.size).reshape(X.shape)

这里有一些时间测试表明-

案例1：

案例2：

案例3：

---

对于范围内的p（p.shape[1]）：

可能？@Divakar是的，抱歉，更正了错误<代码>范围内的p（p.shape[1]）：可能？@Divakar是的，抱歉，更正了错误！我花了一段时间才明白你为什么这么做。重复指数是一种痛苦。我花了一段时间才意识到你为什么这么做。重复索引是一种痛苦。

P[0]，P[1]

可以更一般地表示为

（*P，）

。所以

numpy.add.at（X，（*P，），1）

和

X[（P，）]+=1

。这很好，因为它不会在维度数上进行硬编码。@Mad物理学家：或者只是

tuple（P）

，但我选择

P[0]，P[1]

，因为我觉得这种情况更清楚。嗨，很可能有重复的索引。这是否意味着我应该使用第一个选项？第二个问题是，为什么第一个选项比for循环更好？谢谢@他们是用石墨笔写的。Python

for

循环对于速度不是很好。从功能上讲，循环与使用

add.at

没有什么不同，但它的速度要慢得多，需要输入更多的文本。@Grapebyond:就是这样，假设您编写了类似的包装器和类似的C级代码，那么是的。

P[0]，P[1]

可以更一般地表示为

（*P，）

。所以

numpy.add.at（X，（*P，），1）

和

X[（P，）]+=1

。这很好，因为它不会在维度数上进行硬编码。@Mad物理学家：或者只是

tuple（P）

，但我选择

P[0]，P[1]

，因为我觉得这种情况更清楚。嗨，很可能有重复的索引。这是否意味着我应该使用第一个选项？第二个问题是，为什么第一个选项比for循环更好？谢谢@他们是用石墨笔写的。Python

for

循环对于速度不是很好。从功能上讲，循环与使用

add.at

没有什么不同，但它的速度要慢得多，需要输入更多的文本。@TheGraphibeyond:就是这样，假设您编写了类似的包装器和类似的C级代码，那么是的。

 In [145]: X = np.random.randint(0,9,(1000,1000))
      ...: P = np.random.randint(0,1000,(2,100000))
      ...: 

 In [146]: %timeit app0(X, P)
      ...: %timeit app1(X, P)
      ...: 
 100 loops, best of 3: 11.3 ms per loop
 100 loops, best of 3: 2.51 ms per loop