如何动态将Python数组指定列赋值给空NumPy数组

你当前硬编码逐行赋值的逻辑，本质是定义了一套新数组到原数组的列索引映射规则，完全可以通过抽取映射配置+numpy高级索引实现动态化，无需逐行编写赋值语句。

首先梳理你现有代码的列映射关系：

• 新数组第0列 ← 原数组第4列
• 新数组第1列 ← 原数组第0列
• 新数组第2列 ← 原数组第2列
• 新数组第3列 ← 原数组第1列
• 新数组第4列 ← 原数组第6列
• 新数组第5列 ← 原数组第3列
• 新数组第6列 ← 原数组第5列

注意：你原有代码存在隐性问题：arrNew是原生Python列表，不支持[:, 索引]的多维切片操作，直接运行会抛出类型错误，需要先转为numpy数组再做列操作。

最优实现（一次性索引重排） #

直接将列映射规则定义为独立的配置列表，利用numpy的高级索引一次性完成列选取，不需要提前初始化全None的空数组，执行效率最高：

import numpy as np

arrNew = [['t', 'a', 't', 'k', 'a', 'p', 'c'], ['s', 'p', 't', 'n', 'o', 'e', 'o'], ['u', 't', 'n', 'l', 'd', 't', 'i'], ['o', 'm', 'a', 'y', 'w', 'x', 'z']]
# 源数据转numpy数组
arr_new_np = np.array(arrNew)
# 列映射配置：列表索引对应新数组列号，值对应原数组待取值的列号，后续调整顺序仅需修改该列表
col_mapping = [4, 0, 2, 1, 6, 3, 5]
# 一次性完成列重排
arrNewlyGenerated = arr_new_np[:, col_mapping]

兼容原有初始化逻辑的实现 #

如果你需要保留提前初始化空数组的逻辑（比如后续要对部分列做单独赋值、保留空值占位），可以通过循环遍历映射配置完成赋值，同样不需要逐行硬编码：

import numpy as np

arrNew = [['t', 'a', 't', 'k', 'a', 'p', 'c'], ['s', 'p', 't', 'n', 'o', 'e', 'o'], ['u', 't', 'n', 'l', 'd', 't', 'i'], ['o', 'm', 'a', 'y', 'w', 'x', 'z']]
arr_new_np = np.array(arrNew)

# 原有初始化空数组逻辑保留
j = [([None] * 7) for i in range(4)]
arrNewlyGenerated = np.array(j)

col_mapping = [4, 0, 2, 1, 6, 3, 5]
# 循环按映射赋值
for new_col_idx, source_col_idx in enumerate(col_mapping):
    arrNewlyGenerated[:, new_col_idx] = arr_new_np[:, source_col_idx]

两种方案都实现了映射逻辑和赋值逻辑的解耦，后续调整列顺序、增减列时只需要修改col_mapping配置即可，不需要修改赋值代码。

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