如何基于一维数组V的元素值便捷访问二维数组DV的对应行元素?
一维数组索引批量取二维数组对应值的实现方案
先把已知条件对齐:
现有定义好的两个数组:
DV = [[1,0], [1,1], [0, 0], [0,1]] V = [0,2,3]核心需求是用V里的每个元素当DV的第一维下标,批量取出DV对应位置的整行元素。这里要提一句原参考访问逻辑里的笔误:写的
DV[2][0] [0][1]明显是手滑写错了,索引中途跳回0的话就完全违背了V作为索引数组的作用,正确的访问匹配关系应该是:
- V取0时,访问DV第0行的两个元素:
DV[0][0]、DV[0][1]- V取2时,访问DV第2行的两个元素:
DV[2][0]、DV[2][1]- V取3时,访问DV第3行的两个元素:
DV[3][0]、DV[3][1]
纯Python原生实现(无第三方依赖)
这类操作根本不需要写复杂的循环判断,用列表推导式一行就能搞定:
- 实现代码:
result = [DV[i] for i in V] - 运行结果就是完全匹配需求的
[[1, 0], [0, 0], [0, 1]]
NumPy批量数组操作场景的实现
平时做数值计算、批量处理数组基本都会用NumPy,这种按索引数组取行的操作是NumPy原生支持的花式索引,比自己写循环效率高得多:
- 实现步骤:
- 导入依赖:
import numpy as np - 把原生列表转成NumPy可操作的数组格式:
dv = np.array(DV)、idx = np.array(V) - 直接把索引数组传进方括号取值就行:
result = dv[idx]
- 导入依赖:
- 最终得到的是形状为(3,2)的数组,数值结果和纯Python实现完全一致,当处理的数组长度从几百涨到几万级时,NumPy的执行速度会有数量级的优势,完全没必要自己手写循环遍历。
内容的提问来源于stack exchange,提问作者user3471773
相关产品推荐
相关产品推荐

