将多个值添加到一个 numpy 数组索引

简单版本：如果我这样做：

import numpy as np
a = np.zeros(2)
a[[1, 1]] += np.array([1, 1])

I get [0, 1]作为输出。但我想要[0, 2]。这是否可能以某种方式使用隐式 numpy 循环而不是我自己循环？

我实际需要做什么版本：

我有一个结构化数组，其中包含索引、值和一些布尔值。我想根据布尔值对这些索引处的值求和。显然，这可以通过一个简单的循环来完成，但似乎可以通过巧妙的 numpy 索引来完成（如上所述）。

例如，我有一个包含 5 个元素的数组，我想从该数组中填充值、索引和条件：

import numpy as np
size = 5
nvalues = 10
np.random.seed(1)
a = np.zeros(nvalues, dtype=[('val', float), ('ix', int), ('cond', bool)])
a = np.rec.array(a)
a.val = np.random.rand(nvalues)
a.cond = (np.random.rand(nvalues) > 0.3)
a.ix = np.random.randint(size, size=nvalues)

# obvious solution
obvssum = np.zeros(size)
for i in a:
    if i.cond:
        obvssum[i.ix] += i.val

# is something this possible?
doesntwork = np.zeros(size)
doesntwork[a[a.cond].ix] += a[a.cond].val

print(doesntwork)
print(obvssum)

Output:

[ 0.          0.          0.61927097  0.02592623  0.29965467]
[ 0.          0.          1.05459336  0.02592623  1.27063303]

我认为这里发生的事情是如果a[a.cond].ix保证是唯一的，我的方法会很好地工作，如简单示例中所述。

这就是at https://docs.scipy.org/doc/numpy/reference/generated/numpy.ufunc.at.htmlNumPy ufuncs 的方法用于：

output = numpy.zeros(size)
numpy.add.at(output, a[a.cond].ix, a[a.cond].val)