如何使用numpy根据数组a的索引将数组b对应位置设为1？

如果用Python实现，推荐用numpy的向量化操作，完全不需要显式暴力遍历，底层由C优化执行，效率远高于原生列表循环。

实现步骤与代码： #

1. 将原生列表转换为numpy数组，利用numpy的批量索引能力
2. 生成匹配的维度索引，直接对目标位置赋值为1
3. 如需转回原生列表，调用.tolist()方法即可

import numpy as np

# 原始数组
a = [[1, 2]]
b = [[[0,0,0],[0,0,0]]]

# 转为numpy数组
np_a = np.array(a)
np_b = np.array(b)

# 生成行索引：对应b的第二维度元素位置
row_indices = np.arange(np_a.shape[1])

# 批量定位并赋值
np_b[0, row_indices, np_a[0]] = 1

# 转回原生列表（可选）
r = np_b.tolist()
print(r)
# 输出：[[[0, 1, 0], [0, 0, 1]]]

原理说明： #

numpy的索引是向量化的，np_b[0, row_indices, np_a[0]]会一次性定位到b[0][0][1]和b[0][1][2]这两个目标位置，直接完成赋值操作，全程没有Python层面的循环，数据量越大，效率优势越明显。

内容的提问来源于stack exchange，提问作者Amand Seyfru