不同大小的数组列表中每个数组的numpy总和答案

【问题标题】：numpy sum of each array in a list of arrays of different size不同大小的数组列表中每个数组的numpy总和
【发布时间】：2021-07-08 09:50:49
【问题描述】：

给定一个 numpy 数组列表，每个数组的长度都不同，就像通过 lst = np.array_split(arr, indices) 获得的那样，我如何获得列表中每个数组的总和？（我知道如何使用列表理解来做到这一点，但我希望有一种纯 numpy 的方式来做到这一点）。

我认为这会起作用：

np.apply_along_axis(lambda arr: arr.sum(), axis=0, arr=lst)

但它没有，而是给了我这个我不明白的错误：

ValueError: 操作数不能与形状 (0,) (12,) 一起广播

注意：这是一个 sympy 对象数组。

【问题讨论】：

请看看这是否有效：[sum(x) for x in lst]

标签： python numpy

【解决方案1】：

有一种更快的方法可以避免使用np.split，而是使用np.reduceat。我们创建了一个升序索引数组，您希望将元素与np.append([0], np.cumsum(indices)[:-1]) 相加。为了正确的索引，我们需要在前面放一个零（并丢弃最后一个元素，如果它覆盖了原始数组的整个范围......否则只需删除[:-1] 索引）。然后我们使用np.add ufunc 和np.reduceat：

import numpy as np
arr = np.arange(1, 11)
indices = np.array([2, 4, 4])

# this should split like this
# [1  2 | 3  4  5  6 | 7  8  9  10]

np.add.reduceat(arr, np.append([0], np.cumsum(indices)[:-1]))
# array([ 3, 18, 34])

【讨论】：

太棒了！这是一个我不知道的非常方便的功能。不过要注意一点：array_split 的索引不是块长度，而是拆分索引，因此您不需要 np.cumsum(arr)[:-1] 部分。巧合的是，我的索引来自在另一个数组上执行 _, indices = np.unique(arr, return_index=True)，所以前面的 0 已经存在。