Question

我写了一个小脚本，通过知道它们的行和列坐标为numpy数组赋值：

gridarray = np.zeros([3,3])
gridarray_counts = np.zeros([3,3])

cols = np.random.random_integers(0,2,15)
rows = np.random.random_integers(0,2,15)
data = np.random.random_integers(0,9,15)

for nn in np.arange(len(data)):
    gridarray[rows[nn],cols[nn]] += data[nn]
    gridarray_counts[rows[nn],cols[nn]] += 1

事实上，我知道在同一个网格单元中存储了多少个值以及它们的总和。但是，在长度为100000+的数组上执行此操作会变得非常慢。有没有使用for循环的另一种方式？

这种方法可能类似吗？我知道这还不行。

gridarray[rows,cols] += data
gridarray_counts[rows,cols] += 1

Answer 1

我会使用bincount来实现这一点，但是现在bincount只需要1个数组，因此您需要编写自己的ndbincout，例如：

def ndbincount(x, weights=None, shape=None):
    if shape is None:
        shape = x.max(1) + 1

    x = np.ravel_multi_index(x, shape)
    out = np.bincount(x, weights, minlength=np.prod(shape))
    out.shape = shape
    return out

然后你可以这样做：

gridarray = np.zeros([3,3])

cols = np.random.random_integers(0,2,15)
rows = np.random.random_integers(0,2,15)
data = np.random.random_integers(0,9,15)

x = np.vstack([rows, cols])
temp = ndbincount(x, data, gridarray.shape)
gridarray = gridarray + temp
gridarray_counts = ndbincount(x, shape=gridarray.shape)

Answer 2

您可以直接执行此操作：

gridarray[(rows,cols)]+=data
gridarray_counts[(rows,cols)]+=1

没有for循环的行，列分配

2 个答案: