如何快速查找元素在多个乱序数组中的索引？

你的核心问题是list.index()是线性查找，每次查找都要遍历整个列表，时间复杂度为O(N)，循环N次后总复杂度变成O(N²)——当N=10000时就是1亿次操作，速度自然慢。下面两种方法能把时间复杂度降到O(N)，大幅提升性能：

方法1：用Python字典预存元素-索引映射 #

提前为每个乱序数组构建「元素值→索引位置」的字典，之后直接通过字典键查找，单次查找时间为O(1)：

import numpy as np

N = 10000

# 生成初始数组与乱序数组
arr = np.arange(0, N)
np.random.shuffle(arr)
arr1 = arr.copy()
np.random.shuffle(arr)
arr2 = arr.copy()
np.random.shuffle(arr)
arr3 = arr.copy()

# 构建元素到索引的字典映射
map_arr1 = {val: idx for idx, val in enumerate(arr1)}
map_arr2 = {val: idx for idx, val in enumerate(arr2)}
map_arr3 = {val: idx for idx, val in enumerate(arr3)}

# 计算每个元素的索引和
idx_sum = np.array([map_arr1[i] + map_arr2[i] + map_arr3[i] for i in range(N)])

方法2：利用numpy向量化操作（更适合大规模数据） #

既然你本来就在用numpy，没必要转成列表。可以用np.argsort()直接生成元素的索引映射，完全依赖numpy的底层C实现操作，避免Python循环的开销：

import numpy as np

N = 10000

arr = np.arange(0, N)
np.random.shuffle(arr)
arr1 = arr.copy()
np.random.shuffle(arr)
arr2 = arr.copy()
np.random.shuffle(arr)
arr3 = arr.copy()

# argsort返回排序后元素的原索引，反过来即可得到每个元素的位置
idx_map1 = np.argsort(arr1)
idx_map2 = np.argsort(arr2)
idx_map3 = np.argsort(arr3)

# 直接通过索引数组计算总和，全程向量化
idx_sum = idx_map1[np.arange(N)] + idx_map2[np.arange(N)] + idx_map3[np.arange(N)]

性能对比（以N=10000为例） #

• 原方法：约2-3秒（线性查找+Python循环）
• 字典映射法：约0.01秒
• numpy向量化法：约0.001秒

内容的提问来源于stack exchange，提问作者Gabriel