对两个 numpy 数组进行快速迭代

Question

我正在尝试两个在python中实现以下问题

我有两个 1D numpy 数组，其中包含从 0 到 gridsize-1 的索引（称为 i1，i2）。 我还有一个带有数据的一维 numpy 数组（称为 d）。 所有三个数组的长度相同。

具有索引的数组可以包含特定的索引对（称为 s1,s2） 多次。

我现在想要两个将数据数组映射到 2D 数组（称为 arr）以便绘制它。 对于那些出现多次的索引对，我想取这些索引对应的数据条目的平均值。

我尝试了以下代码（没有平均）

d #data array
i1 #first 1D numpy index array
i2 #second 1D numpy index array
gridsize = 1000
arr = np.zeros(gridsize**2)
for i in range(d.size):
    arr[ i1[i], i2[i] ] = d[i]

到目前为止，代码运行良好，但速度很慢（数组大小大约需要 2 秒，这是不可接受的） 有什么建议可以加快速度吗？ 我认为问题在于对数组中各个元素的访问。是否有内置的 numpy 函数可以做到这一点？

谢谢， 迈克尔

Answer 1

我将假设您的问题中不完全清楚的一些事情。

• arr 是二维形状：(gridsize, gridsize)
• i1 i2 和 d 都是一维的，长度相同

鉴于这些条件，您可以相当直接地使用 numpy 的 integer array indexing 使用 i1 和 i2 直接切片 arr 并将 d 分配给切片：

d #data array
i1 #first 1D numpy index array
i2 #second 1D numpy index array
gridsize = 1000
arr = np.zeros((gridsize,gridsize))
arr[i1,i2] = d