如何高效翻转NumPy数组的列？替代循环实现的正确方法

嘿，很高兴帮你解决这个问题！你当前用循环加vstack的方法虽然能得到正确结果，但确实不够高效——尤其是当你的数组规模变大时，Python循环和频繁的内存分配会拖慢速度。Numpy本身提供了非常强大的矢量化操作，能让我们用一行代码完成这个需求，效率提升几个数量级都没问题。

下面是几种最优的高效实现方式：

方法1：直接索引交换列（最直观高效） #

因为你的数组是N×2的结构，每个子数组对应一行的两个元素，我们可以直接通过列索引交换第0列和第1列：

import numpy as np
contour = np.array([[1, 4], [3, 2]])

flipped_contour = contour[:, [1, 0]]
print(flipped_contour)
# 输出：[[4 1]
#        [2 3]]

这个操作是完全矢量化的，Numpy会在底层用C语言处理整个数组，没有Python循环的开销，内存利用也更高效。

方法2：使用np.flip（更通用） #

如果你以后遇到子数组元素多于2个的情况，想翻转整个子数组的顺序，np.flip会更通用。对于当前的2元素子数组，只需要指定沿着**列轴（axis=1）**翻转：

flipped_contour = np.flip(contour, axis=1)
print(flipped_contour)
# 输出和上面完全一致

原地修改（节省内存） #

如果不需要保留原数组，还可以直接在原数组上修改，避免创建新数组的内存开销：

contour[:, [0, 1]] = contour[:, [1, 0]]
print(contour)
# 原数组已经被修改为[[4 1] [2 3]]

为什么你的原方法不够高效？ #

你原来的循环方法每次调用vstack都会重新分配内存并复制已有数据，当数组行数很多时，这种频繁的内存操作会导致性能急剧下降。而上面的矢量化方法都是一次性处理整个数组，没有额外的内存复制开销（除了创建新数组的情况，也远小于循环的多次复制）。

内容的提问来源于stack exchange，提问作者waspinator