NumPy：对一维数组求和，按索引拆分

Question

考虑一维NumPy输入数组和排序索引数组。 目标是获得输入数组a的总和，但由索引数组中定义的索引拆分。

以下是两种方法，但它们都需要慢速 Python 循环。 是否有不需要 Python 循环的纯NumPy版本？

示例：

a = np.arange(20) # Input array
idxs = np.array([7, 15, 16]) # Index array

# Goal: Split a at index 7, 15 and 16 and
# compute sum for each partition

# Solution 1:
idxs_ext = np.concatenate(([0], idxs, [a.size]))
results = np.empty(idxs.size + 1)
for i in range(results.size):
    results[i] = a[idxs_ext[i]:idxs_ext[i+1]].sum()

# Solution 2:
result = np.array(
    [a_.sum() for a_ in np.split(a, idxs)]
)

# Result: array([21., 84., 15., 70.])

Answer 1

首先，您可以通过np.split根据您的idxs数组拆分a数组，然后将 function 应用为：

np.stack(np.vectorize(np.sum)(np.array(np.split(a, idxs), dtype=object)))

另一个答案是使用np.add.reduceat在评论中提到的 np.add.reduceat 并且更快：

np.add.reduceat(a, np.insert(idxs, 0, 0), axis=0)