优化Numpy脚本：按特定格式与顺序创建点间连接

需求说明 #

x轴上分布u个点，沿y轴平移得到v层点集，点索引按行优先排列（示例中v=4、u=6时，第一层为0-5，第二层6-11，依此类推）。目标是生成纵向相邻点的连接数组，即每个x位置上，将y方向相邻的点两两配对。

原循环实现代码 #

import numpy as np
# u: x轴上的点数量
u = 6
# v: y轴上的层级数量
v = 4

def x_links(u,v):
    matrice = np.arange(u*v).reshape((v, u))
    links =np.array([])
    for i in range(u):
        a = np.repeat(matrice[:,i],2)[1:-1] 
        links=np.append(links,a).astype(int)
    return links.reshape(int(len(links)/2),2)
    
example = x_links(u,v)
print("final : \n",example)

无循环的Pythonic优化实现 #

利用Numpy的广播与向量化操作完全替代循环，代码更简洁高效：

import numpy as np

u = 6  # x轴点数量
v = 4  # y轴层级数量

def x_links(u, v):
    # 生成每个x列的所有y层点索引：形状为(u, v)，每行对应一个x列的点序列
    column_points = np.arange(u)[:, None] + np.arange(v) * u
    # 对每个列生成相邻点对：前v-1个点与后v-1个点配对
    adjacent_pairs = np.stack([column_points[:, :-1], column_points[:, 1:]], axis=-1)
    # 展平为目标格式的二维数组
    return adjacent_pairs.reshape(-1, 2)

example = x_links(u, v)
print("最终结果:\n", example)

优化思路说明 #

• 广播生成列点序列：通过np.arange(u)[:, None]将x轴索引转为列向量，与np.arange(v)*u（y层偏移）相加，一次性生成所有x列的y层点索引，无需循环遍历每一列。
• 向量化生成相邻对：对每个列的点序列，直接取[:, :-1]（除最后一个点）和[:, 1:]（除第一个点），堆叠后得到所有相邻点对，避免了repeat和append的低效操作。
• 高效展平：用reshape(-1, 2)自动计算行数，快速将多维数组转为目标格式。

优势对比 #

• 完全消除显式循环，符合Pythonic的向量化编程风格。
• 避免了原代码中多次np.append导致的内存重新分配，在u、v较大时性能提升显著。
• 代码逻辑更直观，可读性更强。

内容的提问来源于stack exchange，提问作者Certes