如何无循环将Numpy数组src按索引数组idx映射复制到dst？

嘿，这事儿用Numpy的高级索引就能完美解决，完全不需要写任何循环，效率还极高！

核心思路 #

你提到的映射关系正好匹配Numpy的索引规则：

• src扁平化后的第i个元素，对应idx[:,i]指向的dst位置（行是idx[0,i]，列是idx[1,i]）
• Numpy支持直接用两个一维数组分别指定行和列索引，实现批量赋值

代码实现 #

import numpy as np

# 你的原始数组
src = np.random.rand(320, 240)
# 假设idx是已给定的2x(320*240)索引数组（这里只是示例生成）
idx = np.random.randint(0, 400, size=(2, 320*240))  

# 1. 初始化dst：如果不知道dst的形状，可以从idx里提取最大索引来确定
dst_shape = (np.max(idx[0]) + 1, np.max(idx[1]) + 1)
dst = np.zeros(dst_shape)

# 2. 核心赋值操作：一步完成映射
dst[idx[0], idx[1]] = src.ravel()  # ravel比flatten高效，返回视图而非拷贝

关键细节说明 #

• src.ravel()：把二维的src扁平化为一维数组，和src.flatten()的区别是，ravel优先返回原数组的视图（内存不复制），只有在必要时才返回拷贝，效率更高。
• 高级索引的匹配逻辑：idx[0]是所有目标位置的行索引数组，idx[1]是对应列索引数组，Numpy会自动将src.ravel()[i]赋值给dst[idx[0][i], idx[1][i]]，完全对应你要的映射关系。

特殊情况处理：重复索引 #

如果idx里有重复的位置（多个src元素要放到dst的同一个位置），直接赋值会导致后面的元素覆盖前面的。如果需要累加这些值，可以用np.add.at实现原子操作：

np.add.at(dst, (idx[0], idx[1]), src.ravel())

内容的提问来源于stack exchange，提问作者ASML