如何使用Numpy函数替代循环将索引列表转为数组指定位置的1？

当然有更简洁的向量化实现方式，完全不需要循环——Numpy的向量化操作在性能上远优于循环，尤其是数据量较大时。以下是几种常用的实现方法：

方法一：直接索引赋值（最简洁高效） #

利用Numpy的数组索引特性，通过行索引数组与列索引数组配对，批量完成赋值：

import numpy as np

N=5; D=3
ones_index = [0,2,1,0,1]
array = np.zeros(shape=(N,D))
# 用arange生成行索引，和ones_index的列索引一一对应定位赋值
array[np.arange(N), ones_index] = 1

原理：np.arange(N)生成[0,1,2,3,4]的行索引数组，与ones_index的列索引数组精准配对，一次性定位所有需要设为1的位置并完成赋值。

方法二：使用np.put_along函数 #

如果需要明确指定轴方向进行操作，可以用np.put_along：

import numpy as np

N=5; D=3
ones_index = [0,2,1,0,1]
array = np.zeros(shape=(N,D))
# 将列索引转为二维数组，匹配axis=1的操作维度要求
np.put_along(array, np.array(ones_index)[:, np.newaxis], 1, axis=1)

原理：np.put_along会沿着指定轴（此处为列方向axis=1），将目标位置的值替换为指定值，需把一维的ones_index转为二维数组以匹配原数组的维度结构。

方法三：直接生成目标数组（无需初始化零数组） #

若ones_index中的元素都是有效的列索引（范围在0到D-1之间），可以直接利用单位矩阵生成结果：

import numpy as np

N=5; D=3
ones_index = [0,2,1,0,1]
array = np.eye(D)[ones_index]

原理：np.eye(D)生成一个D×D的单位矩阵，每行仅对应列位置为1；用ones_index作为行索引取出对应行，直接得到符合要求的N×D数组。

内容的提问来源于stack exchange，提问作者Ottpocket