使用指定索引重塑数组

问题描述

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

>>> 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]]

解决方法

另一种方式：

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

,

由于 x 来自一个范围，您可以索引一个零数组来设置这些：

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散乱的数组：

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

如果您想要实际的零和一，请使用 np.uint8 之类的 dtype 或除 bool 之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 O(N) 执行 N = rows * cols 查找。相反，您只需要 M 赋值，无需查找，使用 M = len(target):

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