无需迭代通过索引对更新2D numpy数组的实现方法

可复现环境 #

我有一个包含n对索引的数组：

indexarray=\
np.array([[0,2,4,6],
          [1,3,5,7]])

同时有一个2D数组：

zeros = np.zeros((10,9))

以及长度为n的数值列表：

values = [1,2,3,4]

我需要将values列表的第k个元素赋值给zeros数组中索引为第k组索引对的位置。

现有解决方案 #

# 可运行，但for循环不适合实际生产场景
for index, (row, col) in enumerate(indexarray.T):
    zeros[row, col] = values[index]

运行后可视化结果如下：

plt.imshow(zeros)

结果符合预期，但使用了迭代循环。
请问如何不使用迭代实现该需求？ #

相似但不同的问题 #

• Index 2D numpy array by a 2D array of indices without loops：该问题输出为索引对数组，而非本场景需要的2D数组。
• Fill 2D numpy array from three 1D numpy arrays：该场景更复杂，是从1D数组生成2D数组，与本场景已有2D数组的前提不同。
• numpy arrays: filling and extracting data quickly：场景复杂度更高，并非基于已有2D数组操作。
• How to convert List of Lists of Tuples- pairs (index,value) into 2D numpy array：目标不同，且未避免使用循环。

直接使用NumPy原生的高级索引特性即可实现无循环批量赋值，代码如下：

zeros[indexarray[0], indexarray[1]] = values

实现原理 #

NumPy支持传入两个等长的一维数组分别作为行、列索引，一次性选中多个离散位置的元素进行批量操作，所有运算都在C层级执行，相比Python层的for循环性能提升非常明显，完全满足生产环境的性能要求。
执行后得到的结果和原有循环实现完全一致，可直接用原有可视化代码验证。 #

内容的提问来源于stack exchange，提问作者zabop