Python 重复迭代numpy数组相同子集的最快方法

我有一个numpy数组和一个索引列表，我想迭代多次

下面的代码符合我的要求，但似乎效率很低：

import numpy as np

a = np.random.random(10)
indices = [8, 4, 2]

for _ in range(10):
    
    # Some changes to a
    sa = np.array([a[i] for i in indices])
    # Some actions that use sa

---

是否有更好的方法来定义sa？有没有一种方法，我不必在每次迭代时重新定义

sa

，而是直接指向

a

的选定索引？

一般说明-如果您有任何东西可以在

for

循环中有效运行，无需在一次迭代中进行复杂计算-可能可以在

numpy

中对其进行矢量化

话虽如此，您正在寻找的是：

a[索引]
sa=np.intersect1d（a，索引）
？谢谢！这在上面的示例中有效，但不基于索引进行选择。我更改了示例，使
a
的值与其索引不同。谢谢！但这仍然需要在每次迭代时生成一个新数组，对吗？不，您只需将迭代替换为
sa=a[index]