两个numpy阵列的快速迭代

Question

我尝试两个在python中实现以下问题

我有两个1D numpy数组，其中包含从0到gridsize-1的索引（称它们为i1、i2）。 我还有一个包含数据的一维numpy数组（称之为d）。 所有三个数组的长度相同。在

具有索引的数组可以包含一个特定的索引对（称之为s1，s2） 多次。在

我现在想要两个映射数据数组到一个2D数组（称之为arr）以便绘制它。 对于那些多次出现的索引对，我想取与这些索引对应的数据项的平均值。在

我尝试了以下代码（没有求平均值）

d #data array
i1 #first 1D numpy index array
i2 #second 1D numpy index array
gridsize = 1000
arr = np.zeros(gridsize**2)
for i in range(d.size):
    arr[ i1[i], i2[i] ] = d[i]

到目前为止，代码正在运行，但速度非常慢（数组的大小大约为2s，这是不可接受的） 有什么加快速度的建议吗？ 我认为问题在于数组中单个元素的访问。是否有一个内置的numpy函数可以做到这一点？在

谢谢你， 迈克尔

Answer 1

我将假设一些你的问题中不完全清楚的事情。在

• arr是二维形状：(gridsize, gridsize)
• i1i2和{}都是一维的，长度相同

考虑到这些条件，您可以相当直接地使用numpy的integer array indexing直接使用i1和{}直接对arr进行切片，并将d分配给该切片：

d #data array
i1 #first 1D numpy index array
i2 #second 1D numpy index array
gridsize = 1000
arr = np.zeros((gridsize,gridsize))
arr[i1,i2] = d