python - que - Suma acumulativa de una matriz numpy por índice

suma numpy

Question

Supongamos que tiene una matriz de valores que será necesario sumar juntos

d = [1,1,1,1,1]

y una segunda matriz que especifica qué elementos deben sumarse

i = [0,0,1,2,2]

El resultado se almacenará en una nueva matriz de tamaño max(i)+1 . Entonces, por ejemplo, i=[0,0,0,0,0] sería equivalente a sumar todos los elementos de d almacenar el resultado en la posición 0 de una nueva matriz de tamaño 1 .

Intenté implementar esto usando

c = zeros(max(i)+1)
c[i] += d

Sin embargo, la operación += agrega cada elemento solo una vez, dando el resultado inesperado de

[1,1,1]

en lugar de

[2,1,2]

¿Cómo implementaría correctamente este tipo de resumen?

Answer 1

def zeros(ilen):
 r = []
 for i in range(0,ilen):
     r.append(0)

i_list = [0,0,1,2,2]
d = [1,1,1,1,1]
result = zeros(max(i_list)+1)

for index in i_list:
  result[index]+=d[index]

print result

Answer 2

Esta solución debería ser más eficiente para arreglos grandes (itera sobre los posibles valores de índice en lugar de las entradas individuales de i ):

import numpy as np

i = np.array([0,0,1,2,2])
d = np.array([0,1,2,3,4])

i_max = i.max()
c = np.empty(i_max+1)
for j in range(i_max+1):
    c[j] = d[i==j].sum()

print c
[1. 2. 7.]

Answer 3

Si entiendo la pregunta correctamente, hay una función rápida para esto (siempre que la matriz de datos sea 1d)

>>> i = np.array([0,0,1,2,2])
>>> d = np.array([0,1,2,3,4])
>>> np.bincount(i, weights=d)
array([ 1.,  2.,  7.])

np.bincount devuelve una matriz para todo el rango de enteros (max (i)), incluso si algunos recuentos son cero

Answer 4

El comentario de Juh es la solución más eficiente. Aquí está el código de trabajo:

import numpy as np
import scipy.ndimage as ni

i = np.array([0,0,1,2,2])
d = np.array([0,1,2,3,4])

n_indices = i.max() + 1
print ni.sum(d, i, np.arange(n_indices))

Answer 5

En el caso general, cuando desee sumar submatrices por etiquetas, puede usar el siguiente código

import numpy as np
from scipy.sparse import coo_matrix

def labeled_sum1(x, labels):
     P = coo_matrix((np.ones(x.shape[0]), (labels, np.arange(len(labels)))))
     res = P.dot(x.reshape((x.shape[0], np.prod(x.shape[1:]))))
     return res.reshape((res.shape[0],) + x.shape[1:])

def labeled_sum2(x, labels):
     res = np.empty((np.max(labels) + 1,) + x.shape[1:], x.dtype)
     for i in np.ndindex(x.shape[1:]):
         res[(...,)+i] = np.bincount(labels, x[(...,)+i])
     return res

El primer método usa la multiplicación de matriz dispersa. El segundo es la generalización de la respuesta del usuario333700. Ambos métodos tienen una velocidad comparable:

x = np.random.randn(100000, 10, 10)
labels = np.random.randint(0, 1000, 100000)
%time res1 = labeled_sum1(x, labels)
%time res2 = labeled_sum2(x, labels)
np.all(res1 == res2)

Salida:

Wall time: 73.2 ms
Wall time: 68.9 ms
True