numpy数组元素变换前后的索引变化映射高效获取方法求助

问题1：高效实现方案 #

你原来的双层循环时间复杂度是O(len(x1)len(x2))，30~50万量级下运算量会达到千亿级，必然超时。最优方案的时间复杂度可以降到O(len(x1)+len(x2))*，两种成熟实现可选：

方案1：字典映射法（速度最快，实现最简单） #

利用x2元素无重复的特性，先遍历一次x2生成值到索引的查找字典，再遍历一次x1直接查表即可：

import numpy as np
# 第一步：生成x2的值-索引映射字典
val_to_idx = {v: i for i, v in enumerate(x2)}
# 第二步：遍历x1查表生成T，找不到元素填np.nan
T = [val_to_idx.get(v, np.nan) for v in x1]
# 若需要numpy数组格式直接转换即可
T = np.array(T, dtype=np.float64)

你给出的示例用该代码运行结果为[3, 2, nan, 1]，完全符合预期，30~50万量级下全程运行耗时不会超过1秒，远低于1分钟的性能要求。

方案2：numpy向量化实现（适合全程使用numpy数组的场景） #

如果不想转Python列表，可以用numpy内置函数实现向量化运算：

# 先对x2排序，同时记录对应原始索引
sorter = np.argsort(x2)
sorted_x2 = x2[sorter]
# 查找x1元素在排序后x2中的位置
pos = np.searchsorted(sorted_x2, x1)
# 处理越界情况
pos[pos == len(sorted_x2)] = 0
# 匹配校验掩码
mask = sorted_x2[pos] == x1
# 生成结果数组
T = np.full(len(x1), np.nan)
T[mask] = sorter[pos[mask]]

该方案时间复杂度为O((len(x1)+len(x2))log len(x2))，同样远快于双层循环。 #

问题2：技术正式名称 #

这类操作的正式名称是索引映射（Index Mapping），也常被称为值到索引查找表构建，属于序列对齐类操作的一种，在数据清洗、多序列匹配场景中非常常见。

内容的提问来源于stack exchange，提问作者yvrob