行，沒有for循環

Question

我寫了一個小腳本，通過了解他們的行和列值分配到numpy的陣列列分配座標：

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 

其實，後來我才知道有多少值存儲在同一個網格單元格以及它們的總和。但是，對100000+以上的長度數組執行此操作會變得非常慢。有沒有使用for循環的另一種方法？

是一種方法類似，這可能嗎？我知道這還沒有工作。

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

Answer 1

我會用bincount這一點，但現在bincount只需要1darrays所以你需要編寫自己的ndbincout，是這樣的：

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 

然後，你可以這樣做：

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

您可以直接做到這一點：

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