如何用Numpy高效构建网格点的有序序列索引数组？

我们通过以下Numpy代码生成网格点（蓝色数字为位置索引）：

# u、v参数分别定义x、y方向的网格点数量
u, v = (3, 3)
x = np.linspace(0, 2, u)
y = np.linspace(0, 1, v)

# 用meshgrid生成网格坐标
xx, yy, zz = np.meshgrid(x, y, 0)

# 重塑坐标数组形状
coords = np.dstack((xx, yy, zz))
coords = np.vstack(coords)

当u和v取任意大数值时，我们需要构建符合特定模式的索引数组，示例如下：

[[0 1 4 3]
 [1 2 5 4]
 [3 4 7 6]
 [4 5 8 7]]

目前已实现的方案为：

listing = np.array([((u)*j+i, (u)*j+i+1, (u)*j+i+u+1, (u)*j+i+u) for j in range(v-1) for i in range(u-1)])

更简洁高效的Numpy原生实现 #

我们可以利用Numpy的广播机制和数组切片操作，完全规避Python层面的循环，获得更优的性能与可读性：

# 生成按网格排列的基础索引矩阵
base_idx = np.arange(u * v).reshape(v, u)
# 提取每个四边形面的四个顶点索引并组合
faces = np.stack([
    base_idx[:-1, :-1].ravel(),  # 左上顶点索引
    base_idx[:-1, 1:].ravel(),   # 右上顶点索引
    base_idx[1:, 1:].ravel(),    # 右下顶点索引
    base_idx[1:, :-1].ravel()    # 左下顶点索引
], axis=1)

这个实现直接基于网格形态的索引矩阵进行切片，通过ravel()将二维切片展平为一维数组，再用stack按列组合成目标格式。相比列表推导，它充分利用了Numpy的底层C优化，在u、v数值较大时运行效率提升明显，代码逻辑也更直观易懂。

内容的提问来源于stack exchange，提问作者Certes