如何在NumPy中获取源数组元素在目标数组中的索引？

嘿，我来帮你搞定这个问题，顺便告诉你对应的专业术语，方便你之后搜索学习～

一、实现代码 #

直接上可运行的代码，每一步都给你写了注释，一看就懂：

import numpy as np

# 定义你给出的两个数组
src = np.array([[8, 1], [2, 4]])
dst = np.array([[1, 4], [8, 2]])

# 先把两个数组展平，这样方便逐个匹配元素
flat_dst = dst.flatten()
flat_src = src.flatten()

# 遍历src里的每个元素，找到它在dst展平后的数组里的位置
flat_indices = np.array([np.where(flat_dst == val)[0][0] for val in flat_src])

# 把展平的索引转换成二维的行、列索引
# 原理很简单：二维数组展平后的索引 = 行索引 * 列数 + 列索引，反过来算就行
rows = flat_indices // dst.shape[1]
cols = flat_indices % dst.shape[1]

# 最后把行、列索引重塑成和src一样的形状，组合成你需要的元组
indices = (rows.reshape(src.shape), cols.reshape(src.shape))

# 验证一下结果对不对
print("生成的索引元组：")
print(indices)
print("\ndst[indices]的结果：")
print(dst[indices])  # 输出和src完全一致，完美！

二、操作的专业名称 #

这类操作的专业名称是反向索引映射（Inverse Index Mapping），它属于NumPy里**高级索引（Advanced Indexing）**的范畴。简单说就是：你已经知道目标数组（这里是dst），以及想要从它里面提取出的源数组（这里是src），反过来找对应的索引映射关系。如果你的场景里数组有重复元素，可能需要额外处理匹配优先级，但你的例子里元素都是唯一的，上面的代码完全够用。

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