如何用numpy索引数组对numpy数组进行向量化索引？

嘿，这个问题问得太对了！用循环或者列表推导式确实不够“NumPy范儿”，咱们直接利用NumPy的高级索引特性就能实现完全向量化的操作，效率拉满还简洁。

向量化选取元素 #

你只需要把pos数组转置后，拆成对应3D数组三个维度的索引数组——NumPy支持将多个一维索引数组传入，来批量选取对应位置的元素：

import numpy as np
data = np.arange(8).reshape(2, 2, -1)
pos = np.array([[1, 1, 0], [0, 1, 0], [1, 0, 0]])

# 最简洁的写法：将转置后的pos转为元组传入
selected_elements = data[tuple(pos.T)]
print(selected_elements)  # 输出: array([6, 2, 4])

原理很简单：pos.T会把原来的2D索引数组转成3个一维数组，分别对应3D数组的第0、1、2维度的索引。NumPy会自动把这三个数组里对应位置的元素组合成索引对，逐个取出data中对应的元素，完全不需要循环。

向量化修改元素 #

同样的方法也能用来批量修改元素，比如把选中的元素全部改成99：

data[tuple(pos.T)] = 99
print(data)
# 输出结果：
# [[[ 0,  1],
#   [ 2,  3]],
# 
#  [[99,  5],
#   [99, 99]]]

这种方法的优势非常明显：当pos数组规模很大时，向量化操作的速度会比循环快几个数量级，而且写法完全符合NumPy的惯用风格，可读性也更强。

内容的提问来源于stack exchange，提问作者DYZ