在numpy中交换多个值的子集

给定一个如下所示的起始numpy数组：

B = np.array( [1, 1, 1, 0, 2, 2, 1, 3, 3, 0, 4, 4, 4, 4] )

当存在重复值时，将一组值交换为另一组值的最有效方法是什么？例如，让

s1 = [1,2,4]
s2 = [4,1,2]

低效的交换方法会遍历

s1

和

s2

，因此：

B2 = B.copy()
for x,y in zip(s1,s2):
    B2[B==x] = y

作为输出给予

B2 -> [4, 4, 4, 0, 1, 1, 4, 3, 3, 0, 2, 2, 2, 2]

---

有没有一种方法可以在不使用

zip

循环的情况下实现这一点？

如果只有介于0和n之间的整数（如果推广到任何整数范围都没有问题，除非它非常稀疏），最有效的方法是使用take/fancy索引：

>>> B = np.array( [1, 1, 1, 0, 2, 2, 1, 3, 3, 0, 4, 4, 4, 4] )
>>> s1 = [1,2,4]
>>> s2 = [4,1,2]
>>> B2 = B.copy()
>>> c, d = np.where(B == np.array(s1)[:,np.newaxis])
>>> B2[d] = np.repeat(s2,np.bincount(c))
>>> B2
array([4, 4, 4, 0, 1, 1, 4, 3, 3, 0, 2, 2, 2, 2])

swap = np.arange(B.max() + 1) # all values in B
swap[s1] = s2 # replace the values you want to be replaced

B2 = swap.take(B) # or swap[B]

这似乎是这里给出的小B速度的两倍，但对于较大的B，重复B到大约100000的长度时，速度会更快，已经达到8倍。这也避免了对每个s1元素执行==操作，因此当s1/s2变大时，可以更好地扩展

---

编辑：您还可以使用np.put（也在另一个答案中）来加速

交换[s1]=s2

。对于这些1D问题，take/put的速度更快。

答案不错（+1），但它将相当消耗内存。不过，我不确定我是否有更好的解决方案。你应该给出

B

和

s1

和

s2

的大小，并准确定义你所说的效率是什么？在记忆或时间方面是否有效？