Arrays 在numpy数组中随机排列索引子集（类似于非黑色像素）的最快方法

我有一个形状的3D numpy数组，例如：（500500,3），只有一些[I，j，：]单元格在所有3个通道中为零（想象一个RGB图像，所有通道为零=黑色像素）。执行这些值的就地排列的最快方法是什么，以使“全部零”[i，j]单元在排列后保持不变（在图像示例中，黑色像素保持黑色，其余所有像素保持排列）

下面是这样一个阵列的示例，以及一个可行的解决方案（但我希望它尽可能快）：

---

任何更快的解决方案都将不胜感激

这是一个完全矢量化的解决方案，基于：

a_perm=np.zero_like（a）
行，列=np，其中（a.any（轴=-1））
排列=np.随机排列（列（行））
a_perm[rows[perm]，cols[perm]]=a[rows，cols]

几乎-由于某种原因，a_perm[100:200，100:200]中有零（它应该只有[1,1,1]或[2,2,2]的混合）。对不起，我误解了你的问题。我编辑的答案应该很好。

# make the numpy array
a = np.zeros((500,500,3))
a[100:200,100:200] = 1
a[200:300,200:300] = 2

# extract (i,j) indices and corresponding RGB values for indices that are not all zero RGB
idx_to_val = {idx[:-1]: a[idx[:-1]] for idx, _ in np.ndenumerate(a) if sum(a[idx[:-1]]) > 0}
idx, vals = list(idx_to_val.keys()), list(idx_to_val.values())

# shuffle the (i,j) indices
np.random.shuffle(idx)

# fill in a new numpy array at these not-all-zero indices with the non-shuffled values 
a_perm = np.zeros(a.shape)
a_perm[tuple(zip(*idx))] = vals