在NumPy 1.9和更高版本中，这通常不会得到很好的定义。
当前实现将遍历所有（广播的）花式索引（和赋值数组）同时使用单独的迭代器，这些迭代器都使用C序，换句话说，目前，是的，你可以，因为你可能想知道它更准确，如果你在处理这些事情的NumPy中比较mapping.c，你会看到它使用PyArray_ITER_NEXT，也就是documented是C阶的。
对于未来，我会用不同的方式来描述。我认为使用较新的迭代器来迭代所有索引+赋值数组会很好。如果这样做了，那么顺序可以保持开放，以便迭代器决定最快的方式。如果你保持它对迭代器开放，很难说会发生什么。但是你不能确定你的例子是否有效（可能是1-D的情况，你仍然可以，但是...）。
所以，据我所知，它目前的工作，但它是没有文件（据我所知），所以如果你真的认为这应该得到保证，你需要游说它，最好写一些测试，以确保它可以得到保证.因为至少我忍不住要说：如果它使事情更快，那么就没有理由确保C阶，但当然可能在某个地方隐藏着一个很好的理由...
真实的的问题是：你到底为什么要那个？）

我知道这个问题已经得到了令人满意的回答，但我想提一下，它在Tentative Numpy Tutorial中的“last value”（可能是非正式的）是在使用索引数组进行索引下记录的：
但是，当索引列表包含重复时，赋值将执行多次，并留下最后一个值：

>>> a = arange(5)
>>> a[[0,0,2]]=[1,2,3]  
>>> a
array([2, 1, 3, 3, 4])

这很合理，但是如果你想使用Python的+=结构，要小心，因为它可能不会做你所期望的事情：

>>> a = arange(5) 
>>> a[[0,0,2]]+=1  
>>> a
array([1, 1, 3, 3, 4])

即使0在索引列表中出现了两次，第0个元素也只递增一次，这是因为Python要求a+=1等价于a=a+1。

我不是直接回答你的问题，我只是想指出一点，即使你可以依赖于这种行为是一致的，你最好不要。
考虑：

a = np.zeros(4)
x = np.arange(4)
indices = np.zeros(4,dtype=np.int)
a[indices] += x

此时，假设a.sum()为a的前一个和+x.sum()是否合理？

assert a.sum() == x.sum()
--> AssertionError 

a
= array([ 3.,  0.,  0.,  0.])

在您的示例中，当使用重复索引为数组赋值时，结果是直观的：对同一索引的赋值会发生多次，因此只有最后一次赋值会"保留"（它会覆盖以前的赋值）。
但是这个例子中的情况不是这样的，它不再是直观的，如果是直观的，就地加法就会发生多次，因为加法本质上是累积的。
所以，换句话说，你正冒着陷入这个陷阱的风险：

• 开始使用重复索引
• 你看到一切都很好，行为完全符合你的期望
• 你不再关注你的操作涉及重复索引这一关键事实。2毕竟，这没有什么区别，不是吗？
• 您开始在不同的上下文中使用相同的索引，例如，如上所述
• 深表遗憾：）

所以，引用@seberg的话：
真正的问题是：你到底为什么要那个？）

我找到了一种方法，用with numpy来做这个操作，这显然不是最佳的，但它比循环（用python for循环）更快
与：麻木。双计数

size = 5
a = np.arange(size)
index = [0,0,2]
values = [1,2,3]
a[index] += values
a
[2 1 5 3 4]

这是不正确的，但是：

size = 5
a = np.arange(size)
index = [0,0,2]
values = [1,2,3]
result = np.bincount(index, values, size)
a += result
a
[3 1 5 3 4]

味道不错！

时间在变，应该给出最新的答案。

size = 5
a = np.arange(size)
index = [0,0,2]
values = [1,2,3]
np.add.at(a,[0,0,2],values)
a