如何更高效地按索引规则将numpy数组的元素赋值到另一个数组
实现方案
最优方案:向量化索引映射
这种方法仅需2次向量化操作,全程在numpy底层C层面执行,远快于多次np.where的条件判断写法,且扩展性更强:
import numpy as np l1 = np.array([4, 5]) x112 = np.array([[0, 0], [0, 1], [1, 1], [0, 0], [1, 0], [1, 1]]) # 统计每行1的数量 row_sum = x112.sum(axis=1) # 构造映射表:下标对应1的个数,值为对应输出值 mapping = np.array([0, l1[0], l1[1]]) # 直接索引取值,reshape为和示例一致的二维输出格式 output = mapping[row_sum].reshape(-1, 1) print(output)
运行输出完全符合预期:
[[0] [4] [5] [0] [4] [5]]
方案优势
- 效率更高:避免了多次
np.where的条件扫描,数组越大性能优势越明显 - 扩展性好:如果后续规则更新,比如3个1对应
l1[2],只需在mapping数组追加对应值即可,无需新增条件语句 - 代码更简洁易读,逻辑清晰
内容的提问来源于stack exchange,提问作者Stevan Nixon
相关产品推荐
相关产品推荐

