当存在重复索引时，numpy 会保留分配顺序吗？

我想通过索引数组对数组进行赋值，但存在重复的索引。

例如：

a = np.arange(5)
index = np.array([1,2,3,1,2,3,1,2,3])
b = np.arange(9)
a[index] = b

两个问题：

1. 对于重复索引，最新的分配总是生效吗？

   Is a[1] == 6对于任何情况都是如此，例如对于非常大的数组a？是否可以a[1] == 0 or 3?

   更具体地说，我使用用MKL（由Anaconda提供）编译的numpy，一些数组操作是并行的。

   相关帖子：处理 NumPy 赋值中的重复索引 https://stackoverflow.com/questions/15973827/handling-of-duplicate-indices-in-numpy-assignments

2. 如果上面的答案是no，有什么可以确保作业始终保持井然有序吗？

这是一种保证分配到相同索引组中最后一个索引的方法 -

# Get sorting indices for index keeping the order with 'mergesort' option
sidx = index.argsort(kind='mergesort')

# Get sorted index array
sindex = index[sidx]

# Get the last indices from each group of identical indices in sorted version
idx = sidx[np.r_[np.flatnonzero(sindex[1:] != sindex[:-1]), index.size-1]]

# Use those last group indices to select indices off index and b to assign
a[index[idx]] = b[idx]

样本运行 -

In [141]: a
Out[141]: array([0, 1, 2, 3, 4])

In [142]: index
Out[142]: array([1, 2, 3, 1, 2, 1, 2, 3, 4, 2])

In [143]: b
Out[143]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [144]: sidx = index.argsort(kind='mergesort')
     ...: sindex = index[sidx]
     ...: idx = sidx[np.r_[np.flatnonzero(sindex[1:] != sindex[:-1]), index.size-1]]
     ...: a[index[idx]] = b[idx]
     ...: 

In [145]: a
Out[145]: array([0, 5, 9, 7, 8])