suma acumulativa de una matriz de numpy por el índice

Question

Suponga que tiene una matriz de valores que necesitarán ser resumido juntos

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

y una segunda matriz que especifica que necesitan ser sumada juntos

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

elementos

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

Me trataron de poner en práctica esta usando

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

Sin embargo, la operación += añade cada elemento de una sola vez, dando así el resultado inesperado de

[1,1,1] 

en lugar de

[2,1,2] 

¿Cómo implementaría correctamente este tipo de resumen?

Answer 1

Esta solución debe ser más eficiente para grandes conjuntos (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 2

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 3

Si entiendo bien la pregunta, hay una función rápida para este (siempre y cuando la matriz de datos es 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 el rango de todos los números 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 se quiere resumir submatrices de etiquetas se puede utilizar 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 utiliza la multiplicación de matrices dispersas. 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