Numpy如何对现有数组进行可重复索引的向量化修改？

当使用花式索引对Numpy数组的同一索引进行多次累加时，直接用+=操作会因为返回副本而非视图，导致重复索引的修改只生效最后一次。Numpy提供了原生方法解决这个问题：

方法1：使用np.add.at原地操作 #

np.add.at是专门针对重复索引设计的原地累加函数，会对每个索引位置执行多次累加：

import numpy as np

zeros = np.zeros(10)
indices = np.array([0,0])
adders = np.array([5,8])

np.add.at(zeros, indices, adders)
print(zeros)
# 输出：array([13.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])

方法2：使用np.bincount统计总增量后赋值 #

先通过np.bincount计算每个索引对应的总增量，再一次性加到原数组上：

import numpy as np

zeros = np.zeros(10)
indices = np.array([0,0])
adders = np.array([5,8])

total_increments = np.bincount(indices, weights=adders, minlength=len(zeros))
zeros += total_increments
print(zeros)
# 输出：array([13.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])

这两种方法都无需手动循环，完全利用Numpy原生功能实现重复索引的多次修改。

内容的提问来源于stack exchange，提问作者Estif