如何将物理位置访问记录1D数组转换为访问计数2D numpy矩阵

核心采用numpy原生向量化统计逻辑，无Python层循环，处理大规模数组时性能优异，且易扩展。

具体实现代码 #

import numpy as np

locations = [1,2,4,4,3,2,2,4,1,4]
# 统计各位置访问次数：bincount默认从0开始计数，切片[1:]后索引0/1/2/3分别对应位置1/2/3/4的访问量
counts = np.bincount(locations, minlength=5)[1:]
# 按行优先规则重塑为2x2数组，正好匹配要求的位置映射规则
result = counts.reshape(2, 2)

print(result)
# 输出：
# [[2 3]
#  [1 4]]

方案说明 #

• 性能表现：np.bincount是numpy底层C实现的计数函数，时间复杂度O(n)，处理百万级以上规模的位置数组时，运行效率比Python原生循环、字典统计等方案高1~2个数量级，内存开销也更低。
• 扩展性：如果后续需要适配更大尺寸的网格（比如N×N规格，对应位置编号1到N²，按行优先顺序排布），仅需要将reshape(2,2)修改为reshape(N, N)即可，其余逻辑无需调整。
• 适配特殊场景：如果位置编号存在不连续的情况，可以替换计数逻辑为np.unique(locations, return_counts=True)[1]，再配合位置索引映射即可，同样保持高性能。

内容的提问来源于stack exchange，提问作者dcoolwater0502