我不完全明白什么样的物体index_values
是。但如果它是一个ndarray
,或者可以转换为ndarray
,你可以这样做:
>>> s = numpy.arange(20)
>>> index_values = (numpy.random.random((3, 3)) * 20).astype('i')
>>> s[index_values] = 4
>>> s
array([ 0, 1, 4, 4, 4, 5, 6, 4, 8, 4, 4, 11, 12,
13, 4, 15, 4, 4, 4, 19])
Edit:但在这种情况下似乎行不通。根据您的编辑和评论,我认为以下方法可能适合您。具有不同长度的随机列表......
>>> index_values = [list(range(x, x + random.randrange(1, 5)))
... for x in [random.randrange(0,50) for y in range(33)]]
...转换成数组并不难:
>>> index_value_array = numpy.fromiter(itertools.chain(*index_values),
dtype='i')
如果您知道数组的长度,请指定count
为了获得更好的性能:
>>> index_value_array = numpy.fromiter(itertools.chain(*index_values),
dtype='i', count=83)
正如 Robert Kern 指出的那样,由于您的编辑表明您想要类似直方图的行为,因此简单的索引是行不通的。所以使用numpy.histogram
:
>>> hist = numpy.histogram(index_value_array, bins=range(0, 51))
histogram
实际上是为浮点直方图构建的。这意味着 bin 必须比预期大一点,因为最后一个值包含在最后一个 bin 中,因此如果我们使用更直观的方式,48 和 49 将位于同一个 bin 中range(0, 50)
。结果是一个包含数组的元组n计数和数组n + 1垃圾箱边框:
>>> hist
(array([2, 2, 1, 2, 1, 0, 0, 0, 1, 1, 1, 1, 1, 0, 1, 1, 1, 5, 5, 5, 3, 3,
3, 3, 3, 2, 1, 0, 2, 3, 3, 1, 0, 2, 3, 2, 2, 2, 3, 2, 1, 1, 2, 2,
2, 0, 0, 0, 1, 0]),
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33,
34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50]))
现在我们可以将计数放大 4.1 倍并执行向量加法:
>>> s = numpy.arange(50, dtype='f')
>>> hist[0] * 4.1 + s
array([ 8.2, 9.2, 6.1, 11.2, 8.1, 5. , 6. , 7. , 12.1,
13.1, 14.1, 15.1, 16.1, 13. , 18.1, 19.1, 20.1, 37.5,
38.5, 39.5, 32.3, 33.3, 34.3, 35.3, 36.3, 33.2, 30.1,
27. , 36.2, 41.3, 42.3, 35.1, 32. , 41.2, 46.3, 43.2,
44.2, 45.2, 50.3, 47.2, 44.1, 45.1, 50.2, 51.2, 52.2,
45. , 46. , 47. , 52.1, 49. ])
我不知道这是否适合您的目的,但这似乎是一个很好的方法,并且可能会以接近 c 的速度发生,因为它仅使用numpy
and itertools
.