如何通过索引映射矢量化转换ndarray？提升大数组处理效率

针对你提出的索引映射需求，完全可以用NumPy的矢量化操作替代列表推导式，彻底解决大型数组的性能问题，具体实现如下：

步骤1：构建索引矩阵 #

先生成和目标数组同形状的行、列索引：

import numpy as np

x = np.arange(3*4).reshape((3,4))
# 生成行索引：每行对应原数组的行号，扩展为(3,4)的二维数组
row_indices = np.arange(x.shape[0])[:, np.newaxis]
# 生成列索引：遵循1+i-2j的规则（i为行号，j为列号）
col_indices = 1 + row_indices - 2 * np.arange(x.shape[1])

步骤2：标记合法索引 #

创建布尔掩码，筛选出在原数组列范围内的索引：

valid_mask = (col_indices >= 0) & (col_indices < x.shape[1])

步骤3：填充目标数组 #

初始化全0数组，再用合法索引从原数组取值填充：

wanted = np.zeros_like(x)
wanted[valid_mask] = x[row_indices[valid_mask], col_indices[valid_mask]]

验证结果：

print(wanted)
# 输出：
# [[ 1  0  0  0]
#  [ 6  4  0  0]
#  [11  9  0  0]]

性能说明 #

这种矢量化方案完全依赖NumPy的底层C实现，没有Python层面的循环开销，处理大型数组时，性能比列表推导式提升几个数量级，非常适合大规模数据处理场景。

内容的提问来源于stack exchange，提问作者sunheng