映射 numpy 数组并在另一个数组中的位置上求和值答案

【问题标题】：Map numpy array and sum values on positions in another array映射 numpy 数组并在另一个数组中的位置上求和值
【发布时间】：2020-03-19 04:26:18
【问题描述】：

我有 2 个 numpy 数组：

distances = np.array([
    [0, 6, 7, 4, 2],
    [6, 0, 6, 3, 8],
    [7, 6, 0, 9, 3],
    [4, 3, 9, 0, 4],
    [2, 8, 3, 4, 0]
])

path = np.array([3, 1, 2, 0])

在path，有一些我想去的地方。每个位置都是distances 的索引。所以在上面的例子中，我访问位置3，然后是1，然后是2，然后是0，然后回到3。为此，我想计算3, 1、1, 2、2, 0 和0, 3 的距离总和（路径是封闭的圆圈）。

您可以从distances[3, 1] (= 3) 获得3 和1 之间的距离，从distances[1, 2] (= 6) 获得1 和2 之间的距离等。上面示例中的距离应该是@ 987654339@.

我创建了这个函数：

import time
import numpy as np

distances = np.array([
    [0, 6, 7, 4, 2],
    [6, 0, 6, 3, 8],
    [7, 6, 0, 9, 3],
    [4, 3, 9, 0, 4],
    [2, 8, 3, 4, 0]
])

path = np.array([3, 1, 2, 0])

def get_distance(path):
    distance = 0

    for i in range(len(path) - 1):
        distance += distances[path[i], path[i + 1]]

    distance += distances[path[-1], path[0]]

    return distance

start = time.time()

for i in range(100000):
    get_distance(path)

end = time.time()
print(end - start) # 0.206

它正在工作，但我需要以长路径（例如 50 个位置）多次运行此功能（例如百万次），所以我想优化它。有什么办法吗？

【问题讨论】：

@Divakar 为什么不把它变成一个答案呢？
@iliar 看起来很简单，但似乎不是骗子。贴出答案。谢谢。

标签： python python-3.x numpy optimization sum

【解决方案1】：

我们可以简单地将索引数组切片并索引到distances 数组中以获得这些特定距离，然后将它们相加得到最终输出。与原始代码一样，我们将分别对最后一对进行求和。因此，它将是-

distances[path[:-1], path[1:]].sum() + distances[path[-1], path[0]]

【讨论】：