查找将 Numpy 数组映射到另一个数组的索引答案

【问题标题】：Find Indexes that Maps a Numpy Array to Another查找将 Numpy 数组映射到另一个数组的索引
【发布时间】：2021-01-29 08:12:56
【问题描述】：

如果我们有一个 numpy 数组 a 需要进行替换采样以创建第二个 numpy 数组 b，

import numpy as np

a = np.arange(10, 200*1000)
b = np.random.choice(a, len(a), replace=True)

查找名为mapping 的索引数组将a 转换为b 的最有效方法是什么？把np.random.choice改成更合适的功能就可以了。

以下代码太慢了，在 Macbook Pro 上创建 mapping 数组需要 7-8 秒。如果数组大小为 100 万，则需要更长的时间。

mapping = np.array([], dtype=np.int)
for n in b:
    m = np.searchsorted(a, n)
    mapping = np.append(mapping, m)

【问题讨论】：

刚刚用软件包numba试了一下，平均可以将运行时间缩短到3到4秒。不幸的是，numpy 的追加效率很低，而列表的追加要快得多。
np.searchsorted() 和 np.append() 都是一些循环动作的替代品。事实上，如果它们在每次迭代时都执行而不是那样，那么性能上应该会很痛苦。

【解决方案1】：

也许，在a 的索引上运行选择并使用此随机索引mapping 切片a：

mapping = np.random.choice(np.arange(len(a)), len(a), replace=True)
b = a[mapping]

【讨论】：