我有一个计算，在这个计算中，我需要遍历一个3d numpy数组的元素，并将它们添加到数组的第二维中的值（跳过该维中的值）。它类似于这个典型的模仿生殖的例子：

import numpy as np

data = np.array([
    [[1, 1, 1], [10, 10, 10], [1, 1, 1]],
    [[2, 2, 2], [20, 20, 20], [2, 2, 2]],
    [[3, 3, 3], [30, 30, 30], [3, 3, 3]] ])

def process_data(const_idx, data, i, j, k):
    if const_idx != j:
        # PROBLEM: how can I access this value if this function is vectorized?
        value_to_add = data[i][const_idx][k]
        data[i][j][k] += value_to_add

const_idx = 1
for i in range(data.shape[0]):
    for j in range(data.shape[1]):
        for k in range(data.shape[2]):
            process_data(const_idx, data, i, j, k)

print(data)

在这种情况下，预期输出为：

[[[11 11 11]
  [10 10 10]
  [11 11 11]]

 [[22 22 22]
  [20 20 20]
  [22 22 22]]

 [[33 33 33]
  [30 30 30]
  [33 33 33]]]

上面的代码可以工作，但对于大型数组来说非常慢。我想把这个函数向量化。
我的第一个刺是这样的：

def process_data(val, data, const_idx):
    # PROBLEM: How can I access this value given that I do not have access to the i / j / k coordinates val came from?
    value_to_add = ...
    
    # PROBLEM: I cannot make this check either since I dont know the j index being processed here
    if const_idx != j:
        return val + value_to_add
    else:
        return val

vfunc = np.vectorize(process_data)

result = vfunc(data, data, const_idx)

print(result)

我如何才能做到这一点，或者矢量化可能不是答案？