Python 我如何在numpy中使用'np.choose'或'np.take'或类似的词来对其进行矢量化？

我想对下面的

do_permutation

函数进行矢量化。我想删除python中的循环，改为使用numpy方法

import numpy as np

def do_permutation(indices):
    perm = np.zeros(len(indices), dtype='int32')
    for i, o in enumerate(indices):
        perm[o] = i
    return perm

assert list(do_permutation([3, 2, 4, 1, 0])) == [4, 3, 1, 0, 2]

---

您可以分配给使用给定索引索引索引的数组切片

def do_排列（索引）：
N=len（指数）；
perm=np.zero（N，dtype='int32'）
perm[index]=np.arange（N）
回烫

一般的解决方案是

do_perm = np.argsort

但是，此解决方案是

O（N log N）

。对于足够长的索引，实际上是从零到N的排列，一个

O（N）

解决方案是值得的。在这种情况下，请使用直接订购：

def do_perm(indices):
    perm = np.empty_like(indices)
    perm[indices] = np.arange(len(indices))
    return perm

最后一行也可以写成

np.put(perm, indices, np.arange(indices.size))

---

使用允许您透明地处理展开的

索引。
我最初的想法是
np。选择
和
np.take
。在我看来：
断言列表（np.argsort（[3,2,4,1,0]）==[4,3,1,0,2]
。