【python】np.add.at(a,index,b)和a[index] +=b 的区别

有个一个矩阵b,经过索引变换后得到bexp

b = np.asarray([[1, 2, 3, 4, 5, 6]])
bexp =b[:,[[2,3,4],[3,4,5]]] #索引变换

bexp
Out[56]: 
array([[[3, 4, 5],
        [4, 5, 6]]])

现在我想通过这个变换(index)以及bexp 计算原来a的部分元素值：

c = np.zeros_like(b)
np.add.at(c, (slice(None),[[2,3,4],[3,4,5]] ), bexp)
c
Out[60]: array([[ 0,  0,  3,  8, 10,  6]])

可以发现，3，4 这两个重复的位置被计算了两次，本来应该是4，5，现在变换回去却成了 8 10 ，就因为 add 进行了两次，这也就官方文档中说明的：

For addition ufunc, this method is equivalent to
            `a[indices] += b`, except that results are accumulated for elements that
            are indexed more than once.

但是如果我用 拥有缓冲的方法来进行估计原矩阵：

d = np.zeros_like(c)
d[(slice(None),[[2,3,4],[3,4,5]] )] += bexp
d
Out[67]: array([[0, 0, 3, 4, 5, 6]])

可以看到，参与索引运算的元素与原来矩阵的位置的值是相同的。