26

我在二维数组中设置多个元素的值，但是我的数据有时包含给定索引的多个值。

似乎总是分配“稍后”的值（参见下面的示例），但是这种行为是否得到保证，或者我是否有可能得到不一致的结果？我怎么知道我可以在矢量化分配中以我想要的方式解释“稍后”？

即在我的第一个示例中a肯定会始终包含4并且在第二个示例中它会打印values[0]吗？

非常简单的例子：

import numpy as np
indices = np.zeros(5,dtype=np.int)
a[indices] = np.arange(5)
a # array([4])

另一个例子

import numpy as np

grid = np.zeros((1000, 800))

# generate indices and values
xs = np.random.randint(0, grid.shape[0], 100)
ys = np.random.randint(0, grid.shape[1], 100)
values = np.random.rand(100)

# make sure we have a duplicate index
print values[0], values[5]
xs[0] = xs[5]
ys[0] = ys[5]

grid[xs, ys] = values

print "output value is", grid[xs[0], ys[0]]
# always prints value of values[5]
4

4 回答 4

15

在 NumPy 1.9 及更高版本中，这通常不会被很好地定义。

当前的实现使用单独的迭代器同时迭代所有（广播的）花式索引（和赋值数组），并且这些迭代器都使用 C 顺序。换句话说，目前，是的，你可以。因为您可能想更准确地了解它。如果你mapping.c在处理这些事情的 NumPy 中进行比较，你会看到它使用PyArray_ITER_NEXT，它被记录为 C 顺序。

对于未来，我会以不同的方式描绘这幅画。我认为使用较新的迭代器一起迭代所有索引+赋值数组会很好。如果这样做了，那么订单可以保持开放，以便迭代器决定最快的方式。如果你保持它对迭代器开放，很难说会发生什么，但你不能确定你的例子是否有效（可能一维情况你仍然可以，但是......）。

所以，据我所知，它目前有效，但它是无证的（据我所知），所以如果你真的认为应该确保这一点，你需要游说它并最好编写一些测试以确保它可以得到保证。因为至少我很想说：如果它让事情变得更快，就没有理由确保 C-order，但当然也许有一个很好的理由隐藏在某个地方......

这里真正的问题是：你为什么要那样做？;)

于 2013-04-15T23:07:43.137 回答
8

我知道这已得到令人满意的回答，但我想提一下，它被记录为“使用索引数组索引”下的Tentative Numpy 教程中的“最后一个值”（可能是非正式的）：

但是，当索引列表包含重复时，分配会进行多次，留下最后一个值：

>>> a = arange(5)
>>> a[[0,0,2]]=[1,2,3]  
>>> a
array([2, 1, 3, 3, 4])

这是足够合理的，但要注意是否要使用 Python 的 += 构造，因为它可能无法达到您的预期：

>>> a = arange(5) 
>>> a[[0,0,2]]+=1  
>>> a
array([1, 1, 3, 3, 4])

即使 0 在索引列表中出现两次，第 0 个元素也只会增加一次。这是因为 Python 要求a+=1等同于a=a+1.

于 2013-05-06T17:51:02.010 回答
5

我不是直接回答你的问题，我只是想指出，即使你可以依赖这种行为是一致的，你最好不要。

考虑：

a = np.zeros(4)
x = np.arange(4)
indices = np.zeros(4,dtype=np.int)
a[indices] += x

在这一点上，假设' 之前的 sum +a.sum()是否合理？ax.sum()

assert a.sum() == x.sum()
--> AssertionError 

a
= array([ 3.,  0.,  0.,  0.])

在您的情况下，当使用重复索引分配给数组时，结果很直观：对同一索引的分配发生多次，因此只有最后一个分配“坚持”（它会覆盖以前的分配）。

但在本例中并非如此。它不再是直观的。如果是这样，就地添加将发生多次，因为添加本质上是累积的。

所以，换一种说法，你有陷入这个陷阱的风险：

  • 你开始使用重复的索引
  • 你看一切都很好，行为正是你所期望的
  • 您不再关注您的操作涉及重复索引的关键事实。毕竟，这没什么区别，不是吗？
  • 您开始在不同的上下文中使用相同的索引，例如如上所述
  • 深深的遗憾：）

所以，引用@seberg：

这里真正的问题是：你为什么要那样做？;)

于 2013-04-16T09:35:21.590 回答
4

我找到了一种使用 numpy 执行此操作的方法，这显然不是最佳的，但它比循环更快（使用 python for 循环）

与：numpy.bincount

size = 5
a = np.arange(size)
index = [0,0,2]
values = [1,2,3]
a[index] += values
a
[2 1 5 3 4]

女巫不正确，但是：

size = 5
a = np.arange(size)
index = [0,0,2]
values = [1,2,3]
result = np.bincount(index, values, size)
a += result
a
[3 1 5 3 4]

这很好！

于 2015-01-14T23:50:39.313 回答