从索引的列/行数组填充出现次数矩阵

我正在寻找一种有效的方法来从两个包含索引的数组创建出现矩阵，一个代表行索引在这个矩阵中，另一个是列矩阵。

例如。我有：

#matrix will be size 4x3 in this example
#array of rows idxs, with values from 0 to 3
[0, 1, 1, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3]
#array of columns idxs, with values from 0 to 2
[0, 1, 1, 1, 2, 2, 0, 1, 2, 0, 2, 2, 2, 2]

并且需要创建一个事件矩阵，例如：

[[1  0  0]
 [0  2  0]
 [0  1  2]
 [2  1  5]]

我可以以一种简单的形式创建一个由一个热向量组成的数组，但当出现多次时无法使其工作：

n_rows    = 4
n_columns = 3
#data
rows    = np.array([0, 1, 1, 2, 2, 2, 3, 3, 3, 3, 3, 3, 3, 3])
columns = np.array([0, 1, 1, 1, 2, 2, 0, 1, 2, 0, 2, 2, 2, 2])
#empty matrix
new_matrix = np.zeros([n_rows, n_columns])
#adding 1 for each [row, column] occurrence:
new_matrix[rows, columns] += 1
print(new_matrix)

返回：

[[ 1.  0.  0.]
 [ 0.  1.  0.]
 [ 0.  1.  1.]
 [ 1.  1.  1.]]

当存在多个出现/索引时，索引和添加这样的值似乎不起作用，除了打印之外，它似乎工作得很好：

print(new_matrix[rows, :])

:

[[ 1.  0.  0.]
 [ 0.  1.  0.]
 [ 0.  1.  0.]
 [ 0.  1.  1.]
 [ 0.  1.  1.]
 [ 0.  1.  1.]
 [ 1.  1.  1.]
 [ 1.  1.  1.]
 [ 1.  1.  1.]
 [ 1.  1.  1.]
 [ 1.  1.  1.]
 [ 1.  1.  1.]
 [ 1.  1.  1.]
 [ 1.  1.  1.]]

所以也许我在那里遗漏了一些东西？或者这无法完成，我需要寻找另一种方法来做到这一点？

Use np.add.at，指定索引元组：

>>> np.add.at(new_matrix, (rows, columns), 1)
>>> new_matrix
array([[ 1.,  0.,  0.],
       [ 0.,  2.,  0.],
       [ 0.,  1.,  2.],
       [ 2.,  1.,  5.]])

np.add.at对数组进行操作in-place，添加1指定的索引次数(row, columns) tuple.