如何使用NumPy基于两个数组快速生成新数组？遇实现问题求助

首先，你的原始列表推导式速度慢的原因是 second.index(digit) 每次查找都要遍历整个列表，时间复杂度为 O(n²)，对于10万级数据来说效率极低。

现有NumPy代码错误原因 #

你使用 np.fromfunction() 的代码报错，核心问题是：

• np.fromfunction() 会将数组形式的索引传递给lambda函数，而非单个标量索引。因此 second[x] 会返回整个 second 数组，导致 first == second[x] 生成一个二维布尔数组，后续的 np.where 和索引操作完全不符合预期逻辑。

高效NumPy实现方案 #

我们可以通过预构建值到索引的映射来实现O(n)时间复杂度的操作，具体步骤如下：

假设输入值为1~n的排列（符合示例场景） #

这种情况下可以直接用数组作为 lookup 表，速度最快：

import numpy as np

n = int(input())
first = np.fromstring(input(), sep=' ', dtype=int)
second = np.fromstring(input(), sep=' ', dtype=int)

# 构建lookup表：lookup[数值] = 该数值在second中的索引
lookup = np.zeros(n + 1, dtype=int)
lookup[second] = np.arange(n)

# 生成结果：对first中每个元素，找到其在second中的索引，再取first对应位置的值
result = first[lookup[first]]

# 输出结果
print(' '.join(map(str, result)))

通用场景（输入值为任意唯一整数） #

如果输入值不是1~n的排列，可通过排序+二分查找实现：

import numpy as np

n = int(input())
first = np.fromstring(input(), sep=' ', dtype=int)
second = np.fromstring(input(), sep=' ', dtype=int)

# 对second排序并记录原始索引
sorted_indices = np.argsort(second)
sorted_values = second[sorted_indices]

# 查找first中每个元素在排序后second中的位置，映射回原始索引
pos_in_sorted = np.searchsorted(sorted_values, first)
original_indices = sorted_indices[pos_in_sorted]

# 生成结果
result = first[original_indices]

# 输出结果
print(' '.join(map(str, result)))

验证示例 #

以你的输入为例：

• first = [5,2,3,1,4]，second = [1,3,2,4,5]
• lookup表中：lookup[1]=0，lookup[3]=1，lookup[2]=2，lookup[4]=3，lookup[5]=4
• lookup[first] = [4,2,1,0,3]
• first[lookup[first]] = [4,3,2,5,1]，与输出示例完全一致。

内容的提问来源于stack exchange，提问作者Konstantin