python对矩阵部分求和_python – numpy求和矩阵 – 按索引排

我有3个矩阵(np数组)：

A是形状(n,m); B的形状为(m,k);和C的形状(n,k)

矩阵C只有集合{-1,0,1}中的值,它是某种类型的“指标”：如果C [i,j] == 1那么我想将第i行添加到b的第j列;如果C [i,j] ==( – 1)则减去(0不做任何事).

它可以很容易地用循环来完成,但我想知道是否有一种矢量化的方式可以做得更快？

示例代码：

C = np.array([[-1, 0, 0, 0, 1],

[ 0, 0, 0, 0, -1],

[ 0, 0, 0, 0, -1],

[-1, 0, 0, 1, 1]])

a,b = np.where(C==1)

#here a=[0,3,3] and b=[4,3,4]

A[a,:] = [[0, 1, 2, 3, 4, 5, 6],

[3, 3, 3, 3, 3, 3, 3],

[3, 3, 3, 3, 3, 3, 3]]

B[:,b] += A[a] #B is all 0.0 before

预期结果：

array([[ 0., 0., 0., 3., 3.],

[ 0., 0., 0., 3., 4.],

[ 0., 0., 0., 3., 5.],

[ 0., 0., 0., 3., 6.],

[ 0., 0., 0., 3., 7.],

[ 0., 0., 0., 3., 8.],

[ 0., 0., 0., 3., 9.]])

实际结果：

array([[ 0., 0., 0., 3., 3.],

[ 0., 0., 0., 3., 3.],

[ 0., 0., 0., 3., 3.],

[ 0., 0., 0., 3., 3.],

[ 0., 0., 0., 3., 3.],

[ 0., 0., 0., 3., 3.],

[ 0., 0., 0., 3., 3.]])