如何高效利用JaggedArray索引对另一JaggedArray排序过滤？

当然有更高效的实现方式！你现在用的Python循环虽然直观，但面对大规模数据时效率会很低——Awkward Array的核心优势就是用向量化操作处理这种不规则数组，完全不需要手动遍历每个元素。

优化后的实现代码 #

import awkward as ak
import numpy as np

# 你的原始数据
indices = ak.fromiter([[0, -1], [3,1,-1], [-1,0,-1]])
values = ak.fromiter([[1.1, 1.2, 1.3], [2.1,2.2,2.3,2.4], [3.1]])

# 1. 将-1替换为对应values子数组的长度（超出索引范围会触发default填充）
adjusted_indices = ak.where(indices == -1, ak.num(values)[..., np.newaxis], indices)

# 2. 向量化提取元素，超出范围的位置用0填充
new_map = ak.take(values, adjusted_indices, axis=1, default=0)

print(new_map)

代码解释 #

• ak.num(values)：获取每个values子数组的长度，得到结果[3, 4, 1]。加上[..., np.newaxis]是为了让它的结构和indices匹配（从一维数组转为和indices同结构的JaggedArray）。
• ak.where：批量替换indices中的-1为对应子数组的长度，这样后续用ak.take时，超出范围的索引会自动触发default参数的填充值。
• ak.take：axis=1参数指定在每个子数组内部进行索引操作，完美匹配你的需求——每个indices子数组对应values子数组的索引列表；default=0则直接将无匹配的位置设为0。

优势对比 #

这种向量化实现完全由Awkward Array的C++内核处理，比Python循环快几个数量级，尤其是当你处理百万级甚至更大规模的不规则数组时，性能提升会非常明显。

内容的提问来源于stack exchange，提问作者Clemens