无需循环将pandas DataFrame数据填充到numpy矩阵的实现方法

方案1：NumPy高级索引（性能最优，推荐） #

NumPy原生支持整数数组批量索引，直接取DataFrame的三列值作为索引和赋值源即可完全替代循环，执行效率远高于遍历写法，尤其适合数据量较大的场景，代码如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

h,w=25,30 # 矩阵维度

df=pd.DataFrame(
    {
     'row':[1,5,2,4,6,7,15,20],
     'col':[3,15,22,29,16,12,25,1],
     'val':[444,2313,100,21,159,4102,225,2221]
     }
    )

mat = np.zeros((h,w))
# 核心无循环赋值逻辑
mat[df['row'].to_numpy(), df['col'].to_numpy()] = df['val'].to_numpy()

plt.imshow(mat)

注意事项 #

• 该方案逻辑和你原有循环完全一致，如果存在重复的(row,col)对，后出现的值会覆盖先出现的值
• 请确保row列的所有值小于矩阵高度h、col列的所有值小于矩阵宽度w，否则会触发索引越界报错

方案2：Pandas透视表（适合需要补全缺失行列的场景） #

如果你的输入数据存在行列索引不连续、需要自动补全全量索引的场景，可以用透视表实现：

# 生成全量行列索引的透视表，空缺位置默认填0
pivot_df = df.pivot(index='row', columns='col', values='val').reindex(
    index=range(h), columns=range(w), fill_value=0
)
mat = pivot_df.values

该方案性能略低于NumPy高级索引方案，更适合小数据集、需要提前做数据规整的场景。

内容的提问来源于stack exchange，提问作者YevKad