Python2下如何用NumPy索引数组快速查找矩阵值生成新矩阵？

嘿，在Python 2的NumPy环境里，要实现用索引数组快速查找并生成新矩阵，最快的方式得看你的索引结构，但最通用且高效的无非两种：高级索引和np.take()函数——这俩都是底层用C实现的向量化操作，完全避开了Python解释器的循环开销，比手写循环快N倍。

下面分两种常见场景给你举例：

场景1：有分开的行/列索引矩阵 #

如果你的索引是拆成两个形状相同的矩阵（一个存行索引，一个存列索引），直接用NumPy的高级索引是最直观高效的：

import numpy as np

# 示例原矩阵X
X = np.array([[1, 2], [3, 4]])
# 行索引矩阵：每个位置对应要取的X的行号
row_idx = np.array([[0, 1], [1, 0]])
# 列索引矩阵：每个位置对应要取的X的列号
col_idx = np.array([[1, 0], [1, 1]])

# 生成新矩阵：每个位置取X[row_idx[i,j], col_idx[i,j]]
new_matrix = X[row_idx, col_idx]
# 输出结果：[[2, 3], [4, 1]]

场景2：有扁平化的索引数组 #

如果你的索引是X扁平化后的一维索引（比如把X按行展开成一维数组后的下标），或者想把一维索引转换成多维新矩阵，用np.take()会更顺手：

# 还是用上面的X矩阵
flat_indices = np.array([1, 2, 3, 0])  # 对应X[0,1], X[1,0], X[1,1], X[0,0]

# 取出值后重塑成目标形状
new_matrix = np.take(X, flat_indices).reshape(2, 2)
# 输出结果同样是：[[2, 3], [4, 1]]

额外小技巧：如果索引是二维元组形式 #

要是你的索引是每个元素为(行号, 列号)的二维数组，可以先把它拆成行、列两个矩阵，再用场景1的方法：

indices = np.array([[(0,1), (1,0)], [(1,1), (0,0)]])
# 拆分出索引矩阵
row_idx = indices[:, :, 0]
col_idx = indices[:, :, 1]

new_matrix = X[row_idx, col_idx]

最后提醒一句：在Python 2里尽量用支持它的最新NumPy版本（比如1.16.x系列），这些版本的向量化操作性能优化得更好，能让上述方法跑得更快。

内容的提问来源于stack exchange，提问作者ru111