【发布时间】：2021-02-23 23:38:50
【问题描述】：
我有两个 NumPy 数组，一个包含值，另一个将值从第一个映射到一个新的聚合数组，如下所示
a = np.array([10,10,10,10,10,10]) # values array
b = np.array([0,0,1,2,2,2]) # mapping to new index set
size = np.max(b) + 1
result =np.zeros(size)
for i in range(size):
result[i] = np.sum(a[b==i]) # values mapped to the same index are aggregated
print(result)
这给出了：
result = [20. 10. 30.]
上述方法有效，但由于 for 循环，它没有完全矢量化，因此速度很慢。根据我对线性代数的了解，我知道我可以将向量 b 转换为转换矩阵，然后使用 dot 函数在没有 for 循环的情况下执行此操作，但这意味着比此处所需的基本操作量要大得多，因此采用这种方法也是次优的。有没有办法直接用 NumPy 做到这一点？ :) 原则上，所需的操作量应该只是 a.size 的总和......
【问题讨论】：
-
在您的示例中，
a中的所有值都是相同的。大概这不会是真的。对吗？ -
有些事情令人困惑：您的
a数组只有 1 个值（即 10，有什么意义？），我希望输出数组的大小为b而不是 @987654326 @，即对于b中的每个索引，我们从a中获取对应的值。 -
嗨，是的，我已将所有值设置为 10，只是为了使总和示例在数字上易于理解。实际上，这些向量很大，数量也不同。
-
@Max 数组
b包含结果数组的索引。它表示映射，并且始终具有向量a的大小，因为它需要将向量a的每个元素映射到result向量中的新索引。