我来帮你搞定这个用Redis存储的位集合从NumPy数组里挑对应行的需求！先理清楚你的场景：你通过Redis的set和setbit操作生成了一个位串，拿到的原始字节是b'\xc0\x08'，转换成二进制后是0b1100000000001000——也就是第0、1、12位被置为1，目标是从NumPy数组中提取这些索引对应的元素，最终得到array([0, 1, 12])。

下面给你两种可行的解决方案，其中@paul-panzer的方案在性能上更优：

方案1：Python字符串+列表推导手动解析 #

这种方法比较直观，先把字节转换成二进制字符串，再遍历找出所有为1的位索引：

import numpy as np
a_raw = b'\xc0\x08'

# 将字节转换为整数，再转为二进制字符串，补前导零保证位长度准确
bit_str = bin(int.from_bytes(a_raw, byteorder='big'))[2:].zfill(len(a_raw)*8)
# 筛选出所有值为'1'的位索引
indices = np.array([i for i, bit in enumerate(bit_str) if bit == '1'])

# 测试数组（注意要包含索引12，所以数组长度设为13）
arr = np.arange(13)
result = arr[indices]
print(result)  # 输出：array([ 0,  1, 12])

方案2：@paul-panzer的NumPy高效方案 #

利用NumPy的内置函数直接处理字节数据，避免Python层面的循环操作，速度会快很多：

import numpy as np
a_raw = b'\xc0\x08'

# 将字节转为uint8数组，再解包为比特序列（big字节序）
bits = np.unpackbits(np.frombuffer(a_raw, dtype=np.uint8), bitorder='big')
# 找出所有值为1的位索引
indices = np.where(bits)[0]

arr = np.arange(13)
result = arr[indices]
print(result)  # 输出：array([ 0,  1, 12])

性能对比测试 #

为了直观展示两种方案的速度差异，我们可以用timeit做基准测试：

import timeit

setup = '''
import numpy as np
a_raw = b'\\xc0\\x08'
'''

# 测试方案1的耗时
t1 = timeit.timeit('''
bit_str = bin(int.from_bytes(a_raw, byteorder='big'))[2:].zfill(len(a_raw)*8)
indices = np.array([i for i, bit in enumerate(bit_str) if bit == '1'])
''', setup=setup, number=100000)

# 测试方案2的耗时
t2 = timeit.timeit('''
bits = np.unpackbits(np.frombuffer(a_raw, dtype=np.uint8), bitorder='big')
indices = np.where(bits)[0]
''', setup=setup, number=100000)

print(f"方案1耗时: {t1:.4f}秒")
print(f"方案2耗时: {t2:.4f}秒")

测试结果通常会显示方案2的耗时远低于方案1，这是因为NumPy的unpackbits和where都是基于C实现的底层操作，比Python层面的字符串遍历和列表推导高效得多，尤其在处理大量位数据时优势会更明显。

内容的提问来源于stack exchange，提问作者Jacob Eggers