我有两个numpy数组,可能看起来像这样:n = np.array([[1, 2, 2], [4, 5, 5], [7, 7, 7]])
和F = np.array([[5, 6, 7], [8, 9, 1], [2, 3, 4]])
,其中n
是索引矩阵,F
是要添加到结果数组的元素或值的矩阵。result
将是一个1D numpy数组,其元素是其本身(从0开始)和n
中的索引和F
中的值所指示的相应值的总和的结果。换句话说,我想对以下操作进行矢量化:
n = np.array([[1, 2, 2], [4, 5, 5], [7, 7, 7]])
F = np.array([[5, 6, 7], [8, 9, 1], [2, 3, 4]])
nmax = n.max()
result = np.zeros((nmax + 1,))
ravel_n = n.ravel()
ravel_F = F.ravel()
for i in range(n.shape[0] * n.shape[1]):
if ravel_n[i] > 0:
result[ravel_n[i]] = result[ravel_n[i]] + ravel_F[i]
得到
>>> result
[ 0. 5. 13. 0. 8. 10. 0. 9.]
我尝试了以下矢量化表达式,但它输出了一个不正确的结果。
>>> result_2 = np.zeros((nmax + 1,))
>>> result_2[ravel_n[ravel_n > 0]] = result_2[ravel_n[ravel_n > 0]] + ravel_F[ravel_n > 0]
>>> result_2
[0. 5. 7. 0. 8. 1. 0. 4.]
对其进行矢量化的正确方法是什么?谢谢你。
我相信你可以用bincount
:
np.bincount(n.ravel(), weights=F.ravel())
输出:
array([ 0., 5., 13., 0., 8., 10., 0., 9.])