如何用Numpy以最简方式从位置-值矩阵构造目标矩阵？

嘿，这个需求用Numpy其实有个超高效且简洁的实现方式，核心就是利用Numpy的矢量化索引赋值特性，完全不用写循环！下面直接结合你的例子来演示：

实现步骤与代码 #

首先，我们可以先确定目标矩阵的形状，然后直接通过输入矩阵的i、j列作为索引，把val列的值批量赋值过去：

import numpy as np

# 你的输入N×3矩阵
input_data = np.array([
    [0, 0, 3],
    [1, 1, 2],
    [0, 1, 4],
    [1, 0, 1],
    [2, 0, 5],
    [2, 1, 2]
])

# 计算目标矩阵的行数（最大行索引+1）和列数（最大列索引+1）
num_rows = input_data[:, 0].max() + 1
num_cols = input_data[:, 1].max() + 1

# 初始化目标矩阵， dtype和输入的val保持一致
result_matrix = np.zeros((num_rows, num_cols), dtype=input_data[:, 2].dtype)

# 核心操作：用i和j作为索引，批量赋值val
result_matrix[input_data[:, 0], input_data[:, 1]] = input_data[:, 2]

print(result_matrix)

运行这段代码后，输出就是你想要的目标矩阵：

[[3 4]
 [1 2]
 [5 2]]

为什么这是最优解？ #

• 简洁性：核心逻辑只需要一行赋值代码，完全避免了繁琐的循环遍历
• 高效性：Numpy的矢量化操作是底层优化过的，比Python循环快几个数量级，尤其当你的输入矩阵N很大时优势明显
• 灵活性：如果有缺失的(i,j)位置，矩阵会保持初始化的默认值（这里是0），你也可以用np.full()初始化其他默认值，比如np.full((num_rows, num_cols), -1)来标记缺失位置

内容的提问来源于stack exchange，提问作者erikejan