具有多个索引数组的 Numpy 混合数组答案

【问题标题】：Numpy mixing arrays with multiple index arrays具有多个索引数组的 Numpy 混合数组
【发布时间】：2015-07-24 19:57:45
【问题描述】：

我有一个带有点的 3d 网格，这些点的位置是在一个看起来像这样的数组中：

mesh_vectors = np.array([[-0.85758871,  0.8965745 , -0.1427767 ],
                         [-0.23945311,  1.00544977,  1.45797086],
                         [-0.57341832, -1.07448494, -0.11827722],
                         [ 0.05894491, -0.97208506,  1.47583127],
                         [-0.71402085, -0.08872638, -0.12916484],
                         [-0.09181146,  1.01235461,  0.47418442],
                         [-0.09025362,  0.01668115,  1.46690106],
                         [ 0.19773833, -0.95349348,  0.49089319],
                         [ 0.05055711,  0.02909645,  0.48503664]])

我有两个索引数组：

idx1 = np.array([4 2 1 6 5 0 1 5])
idx2 = np.array([6 3 0 4 7 2 3 7])

这些翻译对应于索引数组：

translate_1 = np.array([[ 0.00323021  0.00047712 -0.00422925]
                        [ 0.00153422  0.00022654 -0.00203258]
                        [ 0.00273207  0.00039626  0.00038201]
                        [ 0.0052439   0.00075993  0.00068843]
                        [-0.00414245 -0.00053918  0.00543974]
                        [-0.00681844 -0.00084955  0.00894626]
                        [ 0.          0.          0.        ]
                        [-0.00672519 -0.00099897 -0.00090189]])

translate_2 = np.array([[ 0.00523871  0.00079512  0.00068814]
                        [ 0.00251901  0.00038234  0.00033379]
                        [ 0.00169134  0.00021078 -0.00218737]
                        [ 0.00324106  0.00040338 -0.00422859]
                        [-0.00413547 -0.00058669  0.00544016]
                        [-0.00681223 -0.0008921   0.00894669]
                        [ 0.          0.          0.        ]
                        [-0.00672553 -0.00099677 -0.00090191]])

它们目前像这样添加到网格中：

mesh_vectors[idx1] += translate_1
mesh_vectors[idx2] += translate_2

问题是，我真正需要添加的不是翻译但是有多个翻译的翻译的平均值应用于同一网格点。索引阵列可以具有以各种不同频率出现的索引。可能是 [2,2,2,3,4,5] 和 [1,2,1,1,5,4]，尽管它们的大小始终相同。我正在尝试使用 numpy 来提高速度，但如果需要，我可以选择在开始时使用循环来生成索引数组。提前致谢！

【问题讨论】：

你能不能用循环（或伪代码）来写，以便我们更清楚地看到你的要求？

标签： python arrays numpy

【解决方案1】：

这行得通：

scaled_tr1 = translate_1 / np.bincount(idx1)[idx1,None]
np.add.at(mesh_vectors, idx1, scaled_tr1)

注意使用np.add.at而不是花哨的索引is required:

ufunc.at(a, indices, b=None)

对 indices 指定的元素对操作数 a 执行非缓冲就地操作。对于加法ufunc，这个方法等价于a[indices] += b，除了对多次索引的元素累加结果。例如，a[[0,0]] += 1 由于缓冲，只会将第一个元素递增一次，而 add.at(a, [0,0], 1) 会将第一个元素递增两次。

【讨论】：