如何基于索引列表用另一数组为numpy/tensorflow数组赋值？

直接用NumPy的数组索引赋值就能替代for循环，这是NumPy原生优化的向量操作，比Python循环高效得多，完全适配批量数据处理场景：

import numpy as np

# 初始化数组
a = np.zeros(24)
b = np.ones(10)
c = [0, 2, 4, 6, 8, 11, 15, 17, 20, 22]

# 核心操作：直接通过索引列表赋值
a[c] = b

# 验证结果
print(a.tolist())
# 输出：[1.0, 0.0, 1.0, 0.0, 1.0, 0.0, 1.0, 0.0, 1.0, 0.0, 0.0, 1.0, 0.0, 0.0, 0.0, 1.0, 0.0, 1.0, 0.0, 0.0, 1.0, 0.0, 1.0, 0.0]

原理说明 #

NumPy支持直接将列表/数组作为索引，对目标数组的指定位置批量赋值。这种操作是在C语言层面执行的，避免了Python循环的开销，处理百万级以上的批量数据时性能提升非常明显。

如果需要处理多组批量数据（比如多个b和对应的c索引组），可以将b和c组织成二维数组，利用NumPy的广播机制实现一次性批量处理，进一步提升效率。

内容的提问来源于stack exchange，提问作者Salah Uddin