Numpy代码优化：简化SOM中BMU邻域查找的冗余代码行

嘿，我明白你现在的困扰——用np.argwhere循环处理BMU索引确实会让代码又长又啰嗦，而且数据量大的时候效率还不高。这里有几个更简洁高效的方法来重构你的代码，让逻辑更清晰：

方法1：字典映射（直观易读） #

把每个BMU坐标转成可哈希的元组作为键，直接映射对应的原始数据索引列表，代码简洁且容易理解：

import numpy as np

# 先把som.bmus转成numpy数组（如果还不是的话）
bmus = np.array(som.bmus)

# 构建坐标到索引的映射字典
bmu_index_map = {}
for idx, coord in enumerate(bmus):
    coord_key = tuple(coord)
    bmu_index_map.setdefault(coord_key, []).append(idx)

# 获取唯一BMU坐标，并快速拿到对应的索引列表
unique_bmus = np.unique(bmus, axis=0)
bmu_idxs = [bmu_index_map[tuple(coord)] for coord in unique_bmus]

方法2：纯Numpy操作（高性能） #

如果你的数据集很大，用Numpy的排序和分割操作可以避免Python循环，效率更高：

import numpy as np

bmus = np.array(som.bmus)

# 按BMU坐标排序，同时记录原始索引
sorted_idx = np.lexsort(bmus.T)
sorted_bmus = bmus[sorted_idx]

# 找到唯一坐标的分割位置
_, split_pos = np.unique(sorted_bmus, axis=0, return_index=True)
split_pos = np.append(split_pos, len(sorted_bmus))

# 提取每个唯一坐标对应的原始索引
bmu_idxs = [sorted_idx[split_pos[i]:split_pos[i+1]] for i in range(len(split_pos)-1)]
unique_bmus = sorted_bmus[split_pos[:-1]]

方法3：用Pandas一行搞定（极简风格） #

如果项目里已经在用Pandas，用分组操作可以把代码压缩到几行，非常清爽：

import pandas as pd
import numpy as np

bmus = np.array(som.bmus)
df = pd.DataFrame(bmus, columns=["x", "y"])
df["original_idx"] = df.index

# 直接分组提取索引，同时得到唯一BMU坐标
bmu_groups = df.groupby(["x", "y"])["original_idx"].apply(list)
unique_bmus = bmu_groups.index.to_numpy()
bmu_idxs = bmu_groups.tolist()

这三种方法都能替代繁琐的np.argwhere循环，你可以根据自己的代码环境和数据规模选择最合适的方案~

内容的提问来源于stack exchange，提问作者Matti Wens