Python机器学习场景下如何通过索引数组提取对应值生成目标二维数组

NumPy 内置实现 #

直接利用NumPy的整数数组索引特性即可完成替换，无需手写循环，性能远高于原生Python循环，尤其适合大数据量场景：

import numpy as np

# 输入数据
data = [[1,3,2], [3,3,1], [5,1,2]]
labels = [2,8,9,8,8,9]

# 转换为NumPy数组后直接索引，可通过tolist()转回普通列表
new_data = np.array(labels)[np.array(data)].tolist()
print(new_data)
# 输出：[[8, 8, 9], [8, 8, 8], [9, 8, 9]]

原理说明：当使用整数数组作为NumPy数组的索引参数时，会逐元素读取索引对应的数值，输出数组的维度与输入索引数组的维度完全一致，刚好匹配需求。

纯Python简洁实现（无第三方依赖） #

如果不想引入NumPy库，也可以用嵌套列表推导式简化写法，比多层for循环更简洁：

data = [[1,3,2], [3,3,1], [5,1,2]]
labels = [2,8,9,8,8,9]

new_data = [[labels[i] for i in row] for row in data]

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