Python 数组中的值出现在另一个数组中的索引

我有这个阵列：

n=nodes of the graph
a=np.random.choice(n,size=3)
prob=np.zeros((1,n))

如何根据节点的索引将

a

中的节点分配给

prob

？ 我有以下代码：

for k in a:
    m=nodes.index(k)
    b=np.zeros((1,n))
    b[0][m]=1
here the results

[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
  0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]
[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
  0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]
[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 0. 0.
  0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]

但对我来说，我想要这个结果

[[0. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 1. 0. 0. 0. 0. 0. 0. 0. 0. 0. 1. 0. 0.
  0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]]

---

如果您在每次迭代中重置

b

，您需要在

for

循环之前初始化

b

，然后使用

m

的结果更新每个循环中的

b

，我们将不胜感激。还要注意，

b

只需要一个轴。让我们考虑下面的节点列表，以及一个数组<代码> A<代码>节点，用来查找<代码>节点< /代码>：

nodes = [5,12,6,1,3,9,4,8,2,45]
a = np.array([5, 9, 8, 4])

调整您的方法，您将拥有：

b=np.zeros(len(nodes))
for k in a:
    m=nodes.index(k)
    b[m]=1

print(b)
# array([1., 0., 0., 0., 0., 1., 1., 1., 0., 0.])

但是请注意，这具有不必要的

O（len（节点）*len（a））

复杂性。更好的方法是构建一个查找表，将值映射到

节点中的位置，并将
b
分配为：

d = {v:k for k,v in enumerate(nodes)}

b=np.zeros(len(nodes))
for k in a:
    b[d[k]] = 1

print(b)
#array([1., 0., 0., 0., 0., 1., 1., 1., 0., 0.])


另外，由于您使用的是numpy，我们可以使用
np.searchsorted
和
np.bincount
来加速上述操作：

nodes = np.array(nodes)
nodes_s = nodes.argsort()
s = np.searchsorted(nodes[nodes_s],a)
b = np.bincount(nodes_s[s], minlength=len(nodes))

print(b)
# array([1, 0, 0, 0, 0, 1, 1, 1, 0, 0])

在每次迭代中重置
b
，需要在
for
循环之前初始化
b
，然后在每次循环中更新
b
，结果为
m
。还要注意，
b
只需要一个轴。让我们考虑下面的节点列表，以及一个数组<代码> A<代码>节点，用来查找<代码>节点< /代码>：

nodes = [5,12,6,1,3,9,4,8,2,45]
a = np.array([5, 9, 8, 4])

调整您的方法，您将拥有：

b=np.zeros(len(nodes))
for k in a:
    m=nodes.index(k)
    b[m]=1

print(b)
# array([1., 0., 0., 0., 0., 1., 1., 1., 0., 0.])

但是请注意，这具有不必要的
O（len（节点）*len（a））
复杂性。更好的方法是构建一个查找表，将值映射到
节点中的位置，并将
b
分配为：

d = {v:k for k,v in enumerate(nodes)}

b=np.zeros(len(nodes))
for k in a:
    b[d[k]] = 1

print(b)
#array([1., 0., 0., 0., 0., 1., 1., 1., 0., 0.])


另外，由于您使用的是numpy，我们可以使用
np.searchsorted
和
np.bincount
来加速上述操作：

nodes = np.array(nodes)
nodes_s = nodes.argsort()
s = np.searchsorted(nodes[nodes_s],a)
b = np.bincount(nodes_s[s], minlength=len(nodes))

print(b)
# array([1, 0, 0, 0, 0, 1, 1, 1, 0, 0])

Wao，wanderfull answe，非常有用，谢谢你很高兴它帮助了@christinamuro:）如果它为你解决了问题，别忘了接受。看，谢谢！Wao，wanderfull answe，非常有用，谢谢你很高兴它帮助了@christinamuro:）如果它为你解决了问题，别忘了接受。看，谢谢！