非唯一键操作向量化：基于指定行索引生成目标输出向量

这事儿用NumPy分分钟搞定，给你两种实用的实现方式，根据你的需求选就行：

基础实现（最直观） #

先创建一个和test形状完全一致的全0数组，然后直接给指定索引位置赋值，代码如下：

import numpy as np

rows = np.array([3, 4])
test = np.array([1, 3, 3, 4, 5])
data = np.array([-1, 2])

# 生成和test同形状的全0数组
output = np.zeros_like(test)
# 给rows指定的索引位置赋值对应data的值
output[rows] = data

print(output)  # 输出结果: [ 0  0  0 -1  2]

逻辑说明 #

• np.zeros_like(test)会生成一个和test维度、数据类型完全匹配的全0数组，保证输出和原始数据形状一致；
• 利用NumPy的索引特性，直接用rows数组作为索引，把data里的对应值批量赋值到output的指定位置；
• 未被rows覆盖的索引位置，保持初始的0值，完全符合你的需求。

进阶场景：处理重复索引（可选） #

如果你的rows数组里有重复的索引（比如rows = np.array([3,3])），而你希望重复位置的data值是累加而非覆盖的话，可以用np.add.at来实现：

output = np.zeros_like(test)
np.add.at(output, rows, data)

比如rows = [3,3]、data = [-1,2]时，output[3]会是-1 + 2 = 1，而不是被最后一个值覆盖。

核心规则回顾 #

简单来说，输出数组的第i个元素遵循以下逻辑：

• 如果i是rows数组里的索引，就取data中对应位置的值；
• 反之，该位置保持0值。

内容的提问来源于stack exchange，提问作者FooBar