Python 如何有效地将数组广播到数组中

我需要用numpy数组构造一个图像。每个像素都应该基于数组中的整数获得r、g、b、alpha值。为此，我编写了以下代码：

设r是一个整数范围为-2到0的数组

print(r)
array([[-1, -1, -1, ...,  0,  0,  0],
   [-1, -1, -1, ...,  0,  0,  0],
   [-1, -1, -1, ...,  0,  0,  0],
   ...,
   [ 0,  0,  0, ...,  0,  0,  0],
   [ 0,  0,  0, ...,  0,  0,  0],
   [ 0,  0,  0, ...,  0,  0,  0]], dtype=int32)

颜色是对r、g、b、alpha值进行编码的字典

print(colors) 
{-2: ['0', '0', '0', '0'],
-1: ['1', '1', '1', '0.5'],
0: ['0', '0', '0', '0.5']}

要获得尺寸为a.shape[0]，a.shape[1]，4的图像，我执行以下操作

    r = r.astype('int32')
    im = r.reshape(r.shape[0]*r.shape[1])
    im = [ colors[j]  for j in im ]
    im = np.reshape(im, (r.shape[0], r.shape[1], 4))
    im = im.astype('float64')
    toimage(im, cmin = 0, cmax = 1 ).save(dir_to + '/' + 'label' + '/' + str(zoom) + '/' + str(x) + '/' + str(y) + '.png')

此代码工作正常，但对于仅为256 x 256的图像，运行时间已超过0.2秒。有人对如何优化这一点有什么建议吗

---

不幸的是，numpy数组不允许我将数组广播到条目中。​

这执行速度要快得多，但还是有点间接

    r = r.astype('int32')
    im = np.zeros((256,256,4))
    for i in [0,1,2,3]:
        for key in colors.keys():
            im[r == key,i] = colors[key][i]

    im = im.astype('float64')
     toimage(im, cmin = 0, cmax = 1 ).save(dir_to + '/' + 'label' + '/' + str(zoom) + '/' + str(x) + '/' + str(y) + '.png')

这里有一条路-

v = np.array(list(colors.values()), dtype=float)
k = np.array(list(colors.keys()), dtype=int)

sidx = k.argsort()
out = v[sidx[k.searchsorted(r,sorter=sidx)]]

对于按降序排序且范围从-2到0的特定字典r，我们可以避免searchsorted，从而替换最后两个，实际上也可以用类似的方式跳过获取k步骤-

out = v[-r]

对于许多用于索引的重复索引，使用可能会有更好的性能。例如，对于给定的样本-

In [195]: r = np.random.randint(-2,1,(400,500))

In [196]: %timeit v[-r]
100 loops, best of 3: 3.06 ms per loop

In [197]: %timeit np.take(v,-r,axis=0)
1000 loops, best of 3: 1.45 ms per loop

---

请您的职位提供一个-目前，不可能运行您的代码是否发布的解决方案为您工作？Divakar的解决方案执行比我自己提出的解决方案快一点，但都DOE的伎俩，并比我上面做的快。考虑接受一个最适合您的发布解决方案？