基于NumPy的布尔数组位运算优化：C++表达式转Python高效实现

因为numpy的bool数组可直接转换为整数（True对应1，False对应0），而你的需求中每个条件对应的权重都是2的幂次，按位或运算等价于加权求和（不会出现进位冲突），所以可以用以下更高效的写法：

result = i0.astype(np.int8) * 8 + i1.astype(np.int8) * 4 + i2.astype(np.int8) * 2 + i3.astype(np.int8) * 1

如果需要更简洁的向量运算形式，可利用广播机制：

weights = np.array([8, 4, 2, 1], dtype=np.int8)
bool_arrays = np.stack([i0, i1, i2, i3], axis=-1)
result = (bool_arrays.astype(np.int8) * weights).sum(axis=-1)

效率优势说明 #

• 原方法中每个np.where都会创建临时数组，多次按位或操作也会产生中间数组，内存开销和运算步骤更多。
• 新方法仅需一次类型转换（或结合广播）与求和/累加操作，减少了临时数组的创建，运算效率更高，代码也更简洁易读。

另外也可以尝试numpy的packbits函数，但需要调整数组维度与顺序适配打包逻辑，相比之下加权求和的方式更直观且适配你的场景。

内容的提问来源于stack exchange，提问作者Walter