行，没有for循环

我写了一个小脚本，通过了解他们的行和列值分配到numpy的阵列列分配坐标：行，没有for循环

gridarray = np.zeros([3,3]) 
gridarray_counts = np.zeros([3,3]) 

cols = np.random.random_integers(0,2,15) 
rows = np.random.random_integers(0,2,15) 
data = np.random.random_integers(0,9,15) 

for nn in np.arange(len(data)): 
    gridarray[rows[nn],cols[nn]] += data[nn] 
    gridarray_counts[rows[nn],cols[nn]] += 1

其实，后来我才知道有多少值存储在同一个网格单元格以及它们的总和。但是，对100000+以上的长度数组执行此操作会变得非常慢。有没有使用for循环的另一种方法？

是一种方法类似，这可能吗？我知道这还没有工作。

gridarray[rows,cols] += data 
gridarray_counts[rows,cols] += 1

来源

2013-04-18 HyperCube

只是为了向未来的读者阐明，看起来很简单的解决方案，声明不起作用，确实不起作用，因为'行，列'包含重复的索引。有关更多详细信息，请参阅[此问题]（http://stackoverflow.com/questions/16034672/how-do-numpys-in-place-operations-e-g-work）。 – shx2

我会用bincount这一点，但现在bincount只需要1darrays所以你需要编写自己的ndbincout，是这样的：

def ndbincount(x, weights=None, shape=None): 
    if shape is None: 
     shape = x.max(1) + 1 

    x = np.ravel_multi_index(x, shape) 
    out = np.bincount(x, weights, minlength=np.prod(shape)) 
    out.shape = shape 
    return out

然后，你可以这样做：

gridarray = np.zeros([3,3]) 

cols = np.random.random_integers(0,2,15) 
rows = np.random.random_integers(0,2,15) 
data = np.random.random_integers(0,9,15) 

x = np.vstack([rows, cols]) 
temp = ndbincount(x, data, gridarray.shape) 
gridarray = gridarray + temp 
gridarray_counts = ndbincount(x, shape=gridarray.shape)

来源

2013-04-18 17:59:09

完美工作，比for循环分配方法快10倍。 – HyperCube

您可以直接做到这一点：

gridarray[(rows,cols)]+=data 
gridarray_counts[(rows,cols)]+=1

来源

2013-04-18 17:50:41 Bitwise

不幸的是，这不会导致相同的（正确）的输出。 – HyperCube

@HyperCube啊好的，我假设了唯一的索引。我会保留这个答案，以防其他人可能有独特的指标。 – Bitwise

行，没有for循环

回答

相关问题