NumPy矩阵同一单元格累加失效问题求解（禁用循环）

你的代码里，idx_lat[idx_data]和idx_lon[idx_data]会生成重复的坐标对（比如(2,0)出现两次），但直接使用grid_data[lat, lon] += data时，NumPy的花式索引不会自动对重复位置累加——它会先提取所有目标位置的元素，修改后再写回，重复的位置只会保留最后一次赋值，所以(2,0)最终只得到10.5，而非预期的10+10.5=20.5。

以下是两种无需循环的修复方案：

方案1：使用np.add.at（推荐） #

np.add.at是NumPy专门用来处理重复索引原地累加的方法，它会遍历每个索引对，对对应位置逐一执行累加操作，不受重复索引影响。

import numpy as np

grid_data = np.zeros([5, 5])

data = np.array([[10.0, 10.5, 2.0, -9999.0], [1.0, 0.1, -9999.0, 0.05]])
idx_lat = np.array([[2, 2, 0, 3], [3, 3, 2, 1]], dtype=int)
idx_lon = np.array([[0, 0, 3, 1], [3, 4, 2, 0]], dtype=int)
idx_data = np.where(data > 0)

# 替换原有的+=操作
np.add.at(grid_data, (idx_lat[idx_data], idx_lon[idx_data]), data[idx_data])

print(grid_data)

运行后grid_data[2,0]的值会是20.5，符合预期输出。

方案2：使用np.bincount #

通过将二维坐标转换为一维索引，利用np.bincount计算每个索引对应的数据总和，再赋值回网格：

import numpy as np

grid_data = np.zeros([5, 5])

data = np.array([[10.0, 10.5, 2.0, -9999.0], [1.0, 0.1, -9999.0, 0.05]])
idx_lat = np.array([[2, 2, 0, 3], [3, 3, 2, 1]], dtype=int)
idx_lon = np.array([[0, 0, 3, 1], [3, 4, 2, 0]], dtype=int)
idx_data = np.where(data > 0)

# 提取有效坐标和对应数据
lat = idx_lat[idx_data]
lon = idx_lon[idx_data]
vals = data[idx_data]

# 将二维坐标转为一维索引（网格列数为5）
flat_idx = lat * grid_data.shape[1] + lon

# 计算每个一维索引的加权总和
sum_vals = np.bincount(flat_idx, weights=vals)

# 将总和赋值回扁平化的网格
grid_data.flat[:len(sum_vals)] += sum_vals

print(grid_data)

这个方法通过统计每个位置的总贡献值，同样能实现重复坐标的累加效果。

内容的提问来源于stack exchange，提问作者MAPC