我最近想知道如何绕过以下 numpy 行为。从一个简单的例子开始：
import numpy as np
a = np.array([[1,2,3,4,5,6,7,8,9,0], [11, 12, 13, 14, 15, 16, 17, 18, 19, 10]])
然后：
b = a.copy()
b[:, [0,1,4,8]] = b[:, [0,1,4,8]] + 50
print(b)
...打印结果：
[[51 52 3 4 55 6 7 8 59 0]
[61 62 13 14 65 16 17 18 69 10]]
但也将一个索引加倍放入切片中：
c = a.copy()
c[:, [0,1,4,4,8]] = c[:, [0,1,4,4,8]] + 50
print(c)
给予：
[[51 52 3 4 55 6 7 8 59 0]
[61 62 13 14 65 16 17 18 69 10]]
（简而言之；他们做同样的事情）
我也可以让索引 4 执行 2 次吗？或者更实际地；让切片元素 i 被赋予 r 次：我们可以让上面的表达式应用 r 次，而不是 numpy 只考虑一次吗？此外，如果我们将“50”替换为每次出现 i 时都不同的东西？
对于我当前的代码，我使用了：
w[p1] = w[p1] + D[pix]
我将“pix”、“p1”定义为一些具有 dtype int、相同长度和一些整数的 numpy 数组可能会出现多次。
（所以一个人可能同时拥有 pix = [..., 1,1,1,2,2,3,...] 和 p1 = [..., 21,32,13,23,11, 78，...]，但是，因此它自己只将第一个 1 和相应的 21 用于索引 1，并刮掉其余的。）
当然，使用 for 循环可以轻松解决问题。关键是数组的整数和大小都很大，因此使用 for 循环而不是高效的 numpy-array 例程会花费大量计算资源。任何想法，现有文档的链接等？