如何高效重排大型NumPy数组以匹配规整坐标形式？

这是个典型的坐标到规整网格的映射问题，针对大型NumPy数组，我们完全可以用矢量化操作来实现，避免低效的Python循环，让处理速度直接拉满。

核心思路 #

我们的目标是把loc_array中每组坐标对应的arr_val值，填充到一个规整的N×N网格里。关键是利用NumPy的高级索引能力，一次性完成批量赋值，完全绕开慢得离谱的Python循环。

完整代码实现 #

import numpy as np

# 示例输入
arr_val = np.array([1, 2, 3, 4])
loc_array = np.array([[[1,1],[2,3],[3,1],[3,2]],
                      [[1,2],[2,4],[3,4],[4,1]],
                      [[2,1],[1,4],[1,3],[3,3]],
                      [[4,2],[4,3],[2,2],[4,4]]])

# 1. 确定目标网格的尺寸（从坐标中提取最大值）
grid_size = loc_array.max()

# 2. 将1-based坐标转换为NumPy的0-based索引
idx = loc_array - 1

# 3. 初始化结果数组，类型和arr_val保持一致
val = np.zeros((grid_size, grid_size), dtype=arr_val.dtype)

# 4. 拆分坐标为行和列的索引数组
rows = idx[:, :, 0]
cols = idx[:, :, 1]

# 5. 生成与索引匹配的赋值数组（把arr_val的每个元素扩展到对应行的所有位置）
values = np.repeat(arr_val[:, np.newaxis], idx.shape[1], axis=1)

# 6. 批量赋值（核心操作，矢量化完成）
val[rows, cols] = values

# 查看结果
print(val)

运行后会输出你想要的规整值数组：

[[1 2 3 3]
 [3 4 1 2]
 [1 1 3 2]
 [2 4 4 4]]

为什么这是高效的？ #

• 所有操作都是NumPy底层的C级运算，没有Python层面的循环，处理大型数组时速度比手写循环快几个数量级。
• 高级索引val[rows, cols] = values直接批量定位并赋值，避免了逐个坐标处理的开销。

额外处理：重复坐标的情况 #

如果loc_array中存在重复坐标，后面的赋值会覆盖前面的结果。如果需要处理重复坐标（比如求和、取均值），可以用np.add.at这类原地操作来实现：

# 示例：重复坐标时累加值
val = np.zeros((grid_size, grid_size), dtype=arr_val.dtype)
np.add.at(val, (rows, cols), values)

内容的提问来源于stack exchange，提问作者konstant