相关疑难解决方法(0)

基本问题是:在做什么时会发生什么a[i] += b？

鉴于以下内容:

import numpy as np
a = np.arange(4)
i = a > 0
i
= array([False,  True,  True,  True], dtype=bool)

我明白那个:

• a[i] = x是相同的a.__setitem__(i, x),它直接分配给指示的项目i
• a += x是一样的a.__iadd__(x),它不到位此外

但是当我这样做时会发生什么:

a[i] += x

特别:

1. 这是一样的a[i] = a[i] + x吗？(这不是就地操作)
2. 在这种情况下,如果i是:
   • 一个int指数,或
   • 一个ndarray,或
   • 一个slice对象

背景

我开始深入研究这个问题的原因是我在处理重复索引时遇到了非直观的行为:

a = np.zeros(4)
x = np.arange(4)
indices = np.zeros(4,dtype=np.int)  # duplicate indices
a[indices] …

Numpyufunc有一种reduceat方法可以在数组中的连续分区上运行它们。所以不要写：

import numpy as np
a = np.array([4, 0, 6, 8, 0, 9, 8, 5, 4, 9])
split_at = [4, 5]
maxima = [max(subarray for subarray in np.split(a, split_at)]

我可以写：

maxima = np.maximum.reduceat(a, np.hstack([0, split_at]))

a[0:4]两者都会返回 slices 、a[4:5]、a[5:10]、being中的最大值[8, 0, 9]。

我想要一个类似的函数来执行argmax，请注意，我只希望每个分区中有一个最大索引：[3, 4, 5]使用上面的a和split_at（尽管索引 5 和 9 都获得了最后一组中的最大值），如由

np.hstack([0, split_at]) + [np.argmax(subarray) for subarray in np.split(a, split_at)]

我将在下面发布一种可能的解决方案，但希望看到一种无需在组上创建索引即可进行矢量化的解决方案。

我有一个数组:

A = np.array([0, 0, 0])

和重复的索引列表:

idx = [0, 0, 1, 1, 2, 2]

和另一个我希望使用上面的索引添加到A的数组:

B = np.array([1, 1, 1, 1, 1, 1])

操作:

A[idx] += B

给出结果:array([1, 1, 1])所以显然B没有总结出来的价值.获得结果的最佳方法是什么array([2, 2, 2])？我必须迭代索引吗？