Numpy：如何高效将数组A元素替换为数组B匹配元素的索引

场景说明 #

你需要将数组A中的每个元素替换为其在唯一值数组B中的对应索引，针对A长度1800万、B长度13.8万的大数据量场景，推荐以下纯Numpy的高效实现，所有方案均为C级别的运算效率，避免Python层循环的性能损耗。

方案1：未生成B时的最优解 #

如果你还没有预先计算出唯一值数组B，直接通过np.unique的return_inverse参数一步得到结果，这是性能最高的方案：

import numpy as np

# A为原始输入数组
B, C = np.unique(A, return_inverse=True)

该方案内部已完成去重和索引映射的全流程优化，1800万长度的数组通常可在2秒内完成运算。

方案2：已有排序后的B #

如果你已经预先得到了排序后的B（np.unique默认返回的B就是升序排列的），直接使用np.searchsorted实现映射：

C = np.searchsorted(B, A)

该方案时间复杂度为O(len(A) * log(len(B)))，针对你的数据规模，运算耗时和方案1接近。

方案3：已有未排序的B #

如果你的B不是升序排列，通过排序索引适配searchsorted即可：

# 先得到B的排序索引
b_sorter = np.argsort(B)
# 映射得到C
C = b_sorter[np.searchsorted(B, A, sorter=b_sorter)]

该方案仅比前两种多一次13.8万长度数组的排序开销，几乎可忽略不计。

禁止使用的低效率方案 #

不要使用Python层的字典遍历、列表推导式等实现，这类方案在千万级数据规模下耗时会达到几十秒甚至数分钟，完全不满足性能要求。

内容的提问来源于stack exchange，提问作者dangtony98