您可以使用帶權重的bincount來執行您要求的操作：

>>> np.bincount(h,weights=x)

array([ 10., 5., 10., 10., 6.])

對于矩陣：

>>> import numpy as np

>>> a=np.random.randint(0,5,(50,50))

>>> rand=np.random.rand(5)

>>> rand

array([ 0.10899745, 0.35296303, 0.21127571, 0.56433924, 0.27895281])

>>> b=np.take(rand,a)

#Unfortunately you cannot do it like this:

>>> np.bincount(a,weights=b)

Traceback (most recent call last):

File "", line 1, in

ValueError: object too deep for desired array

#There we go:

>>> np.bincount(a.flat,weights=b.flat)

array([ 55.04371257, 172.59892108, 96.34172236, 297.40677707,

145.89232039])

這使用了花哨的索引來查看發生了什么：

>>> np.bincount(a.flat)

array([505, 489, 456, 527, 523])

>>> np.bincount(a.flat)*rand

array([ 55.04371257, 172.59892108, 96.34172236, 297.40677707,

145.89232039])

總結

以上是生活随笔為你收集整理的python中哈希是什么意思_在python中向量化特征哈希的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。