如何将点列表高效转为指定形状的numpy数组（无循环）

要实现无循环填充目标数组，核心是利用Numpy的矢量化索引操作，这比Python循环高效得多，尤其适合处理大量点的场景。具体步骤如下：

完整实现代码 #

import numpy as np

# 原始点列表
points = [(0, 5), (1, 6), (2, 7)]
points_np = np.array(points)

# 计算坐标偏移量（x、y的最小值）
min_coords = points_np.min(axis=0)
# 确定目标数组的形状
target_shape = points_np.max(axis=0) - min_coords + 1

# 创建初始零数组
result_array = np.zeros(target_shape, dtype=int)

# 将原始坐标转换为数组的合法索引（减去最小值偏移）
offset_indices = points_np - min_coords
# 批量赋值：直接通过索引将目标位置设为1
result_array[offset_indices[:, 0], offset_indices[:, 1]] = 1

print(result_array)

输出结果 #

[[1 0 0]
 [0 1 0]
 [0 0 1]]

关键说明 #

• 坐标偏移：原始点的x、y可能不是从0起始，必须减去各自的最小值，才能将点映射到零数组的合法索引范围内（索引从0开始）。比如示例中y的最小值是5，偏移后5→0、6→1、7→2，正好对应数组的列索引。
• 矢量化索引：result_array[offset_indices[:,0], offset_indices[:,1]] 是Numpy的高级索引用法，一次性选中所有目标位置并赋值，底层由C实现，效率远高于Python循环，点数量越大优势越明显。

内容的提问来源于stack exchange，提问作者Tawal