如何利用范围索引数组高效修改NumPy一维数组的指定区间元素？

嘿，这个需求用NumPy的向量化操作就能轻松搞定，完全不用写低效的Python循环！咱们直接利用NumPy的索引技巧一次性处理所有区间：

核心思路 #

把idx里的每个[起始索引, 结束索引]区间转换成NumPy切片，然后用np.r_把这些切片拼接成一个完整的索引数组，最后直接给这些索引位置的元素赋值255即可。

完整代码示例 #

import numpy as np

# 先初始化你的数组（这里假设m=20, n=10，你可以换成自己的数值）
m, n = 20, 10
ar1 = np.zeros((m*n))
idx = np.array( [[1,10], [40,80], [100,110]] )

# 生成所有需要修改的索引：注意切片左闭右开，所以结束索引要+1
target_indices = np.r_[tuple(slice(start, end + 1) for start, end in idx)]

# 一次性赋值
ar1[target_indices] = 255

关键细节说明 #

• 为什么要给结束索引+1？ 因为NumPy的切片是左闭右开规则，slice(a, b)会包含索引a但不包含b，所以我们要把end加1，才能确保区间的最后一个元素（比如10、80、110）也被包含进去。
• 为什么用np.r_？ 它是NumPy提供的一个便捷工具，可以快速拼接切片、数组等，内部是向量化实现，比用Python循环生成每个区间的索引再拼接要高效得多，尤其是当数组规模很大的时候，性能差距会非常明显。

替代方案（同样高效） #

如果你觉得np.r_有点陌生，也可以用np.concatenate结合np.arange来生成索引数组，效果是一样的：

target_indices = np.concatenate([np.arange(start, end + 1) for start, end in idx])
ar1[target_indices] = 255

不过np.r_的写法更简洁，推荐优先使用~

内容的提问来源于stack exchange，提问作者ARK1375