装配 numpy 向量
Assembly numpy vector
如何将 numpy 数组 A 添加到 numpy 数组 B 的元素中，索引由索引数组 C 给出？
理想情况下，我可以写：
A=np.zeros(4,float)
B=np.array([1,2,3,4])
C=np.array([1,2,1,3])
A[C] +=B
print A
输出：
[0, 4, 2, 4]
但它不起作用，因为（根据文档）A[C] 是一个副本。
（我只是想知道如果 C 中的索引只出现一次，为什么它实际上有效。）
我需要快速完成（对于大数组）。
看起来你的例子应该是
A = np.zeros(4, dtype=float)
B=np.array([1,2,3,4])
C=np.array([1,2,1,3])
A[C] += B
print A
如果是这样，那么您需要 numpy.add.at 而不是 +=。 add.at 做 += 做的事，但重复索引以您想要的方式处理。类似的结构适用于其他运营商，例如subtract.at 对于 -=.
numpy.add.at(A, C, B)
如何将 numpy 数组 A 添加到 numpy 数组 B 的元素中，索引由索引数组 C 给出？
理想情况下，我可以写：
A=np.zeros(4,float)
B=np.array([1,2,3,4])
C=np.array([1,2,1,3])
A[C] +=B
print A
输出： [0, 4, 2, 4]
但它不起作用，因为（根据文档）A[C] 是一个副本。 （我只是想知道如果 C 中的索引只出现一次，为什么它实际上有效。）
我需要快速完成（对于大数组）。
看起来你的例子应该是
A = np.zeros(4, dtype=float)
B=np.array([1,2,3,4])
C=np.array([1,2,1,3])
A[C] += B
print A
如果是这样，那么您需要 numpy.add.at 而不是 +=。 add.at 做 += 做的事，但重复索引以您想要的方式处理。类似的结构适用于其他运营商，例如subtract.at 对于 -=.
numpy.add.at(A, C, B)