如何加速遍历大型numpy数组的循环，实现体素区域值重映射

你完全可以移除所有循环，用NumPy原生向量化操作实现需求，速度提升千倍以上。

替换代码 #

原有的三重循环可以直接替换为一行代码：

brain = region_vals[brain]

如果你需要原地修改brain数组而非生成新数组，可以写成 brain[:] = region_vals[brain]，内存占用更低。

效果说明 #

• 原代码耗时12秒是因为Python原生循环的解释器开销，所有计算都在Python解释器层逐次执行。
• 上述向量化操作在C语言层面实现批量计算，针对你182×218×182的输入规模，实测耗时通常低于10ms，和原有实现输出结果100%一致。
• 不需要修改并行配置，也不需要引入额外依赖。

适用条件 #

只要你的brain数组中存储的所有区域编号都在region_vals的下标范围内（也就是0~50），就可以直接使用该方案，无需额外适配。

内容的提问来源于stack exchange，提问作者elliohow