使用指定索引重塑数组答案

【问题标题】：Reshaping array with specified indices使用指定索引重塑数组
【发布时间】：2021-06-19 16:12:11
【问题描述】：

有没有更好的方法来做到这一点？就像用 numpy 函数替换列表理解一样？我假设对于少量元素，差异是微不足道的，但对于较大的数据块，它需要太多时间。

>>> rows = 3
>>> cols = 3
>>> target = [0, 4, 7, 8] # each value represent target index of 2-d array converted to 1-d
>>> x = [1 if i in target else 0 for i in range(rows * cols)]
>>> arr = np.reshape(x, (rows, cols))
>>> arr 
[[1 0 0]
 [0 1 0]
 [0 1 1]]

【问题讨论】：

标签： python arrays numpy reshape

【解决方案1】：

由于x 来自一个范围，您可以索引一个零数组来设置零：

x = np.zeros(rows * cols, dtype=bool)
x[target] = True
x = x.reshape(rows, cols)

或者，您可以预先创建适当的形状并分配给 raveled 数组：

x = np.zeros((rows, cols), dtype=bool)
x.ravel()[target] = True

如果您想要实际的 0 和 1，请使用 np.uint8 之类的 dtype 或除 bool 以外的任何其他适合您需求的类型。

此处显示的方法甚至适用于您的列表示例，以提高效率。即使您将target 转换为set，您也正在使用N = rows * cols 执行O(N) 查找。相反，您只需要 M 分配而无需查找，使用 M = len(target)：

x = [0] * (rows * cols)
for i in target:
    x[i] = 1

【讨论】：

【解决方案2】：

另一种方式：

shape = (rows, cols)
arr = np.zeros(shape)
arr[np.unravel_index(target, shape)] = 1

【讨论】：

通常比x.ravel()[target] = True 更健壮，虽然使用新分配的x，但我的版本可能会快一点。