如何将小numpy数组的行稀疏添加到大numpy数组的指定行？

这事儿根本用不着np.apply_along_axis，Numpy本身的索引机制就能完美解决，而且效率高得多。

核心实现代码 #

只需要几行就能完成需求：

import numpy as np

# 定义示例数组
A = np.array([[0, 0, 0, 0],
              [0, 0, 0, 0],
              [0, 0, 0, 0],
              [0, 0, 0, 0],
              [0, 0, 0, 0],
              [0, 0, 0, 0],
              [0, 0, 0, 0]])
B = np.array([[1, 3, 2, 4],
              [6, 2, 5, 1],
              [2, 8, 1, 4]])
Index = np.array([1, 4, 5])

# 若不想修改原数组A，先复制一份；允许修改的话直接操作A即可
result = A.copy()
result[Index] += B

# 输出结果
print(result)

原理说明 #

• Numpy支持用整数数组作为索引，result[Index]会直接取出A中索引为1、4、5的三行，形成一个和B形状完全一致的子数组。
• 执行+= B时，Numpy会自动将B的每一行和result[Index]对应的行逐元素相加，精准匹配你要的对应关系。

为什么放弃np.apply_along_axis？ #

• 这个函数本质是逐行遍历，面对大型数组时，速度比向量化操作慢几个数量级。
• 你提到的两个痛点：跳过不需要处理的行、匹配B的对应行，用索引方法完全不存在——直接精准定位目标行，和B的行一一对应，根本不需要遍历整个A。

内容的提问来源于stack exchange，提问作者E. V. Hadzen