Python优化三重循环计算，实现无循环索引查找与result更新

问题背景 #

现有变量：

• intensity：(480, 640) 形状的NumPy数组
• L：固定值256
• result：初始全0，形状与intensity一致

当前三重循环代码运行效率极低，需求是找到intensity中满足np.round(intensity[l][w]*255+1) == index的元素，用该元素值计算并更新result；补充要求：单个index匹配多个元素时，取最后一个匹配到的元素的计算值进行赋值。

方案1：对应原代码逻辑（逐像素独立计算） #

原代码本质是每个像素根据自身计算出的索引idx，取对应gamma[idx]做幂运算。用NumPy向量化操作完全替代循环，性能会有数量级提升：

import numpy as np

# 计算所有像素对应的索引，转为整数类型
idx = np.round(intensity * 255 + 1).astype(np.int32)
# 向量化逐元素计算并赋值
result = (intensity / intensity_max) ** gamma[idx]

说明：NumPy底层基于C实现数组操作，自动处理逐元素运算，无需手动遍历维度，速度远超Python嵌套循环。

方案2：匹配补充说明逻辑（同index批量赋值最后匹配元素的计算值） #

如果需求是：对每个index，找到最后一个满足条件的intensity元素，将所有该index对应的result位置统一设为该元素的计算值，可按以下方式实现：

import numpy as np

# 1. 计算所有像素的索引
idx = np.round(intensity * 255 + 1).astype(np.int32)
# 2. 展平数组，遍历一次记录每个index的最后匹配元素
flat_int = intensity.flatten()
flat_idx = idx.flatten()
last_match = {}

# 顺序遍历，最后一次赋值即为该index的最后匹配元素
for val, idx_val in zip(flat_int, flat_idx):
    last_match[idx_val] = val

# 3. 生成每个index对应的计算结果
calc_map = {k: (v / intensity_max) ** gamma[k] for k, v in last_match.items()}
# 4. 批量赋值到result
result = np.zeros_like(intensity, dtype=np.float64)
for idx_val, calc_val in calc_map.items():
    result[idx == idx_val] = calc_val

说明：仅做一次一维循环记录最后匹配元素，再通过布尔索引批量赋值，避免了原代码的三重嵌套循环，效率大幅提升。

内容的提问来源于stack exchange，提问作者KEZIA ANGELINE