Python 使用指定索引重塑数组

有没有更好的办法？比如用numpy函数替换列表理解？我假设对于少量的元素，差异是微不足道的，但是对于较大的数据块，它需要花费太多的时间

>>> rows = 3
>>> cols = 3
>>> target = [0, 4, 7, 8] # each value represent target index of 2-d array converted to 1-d
>>> x = [1 if i in target else 0 for i in range(rows * cols)]
>>> arr = np.reshape(x, (rows, cols))
>>> arr 
[[1 0 0]
 [0 1 0]
 [0 1 1]]

---

由于

x

来自一个范围，因此您可以索引一个零数组来设置1：

x = np.zeros(rows * cols, dtype=bool)
x[target] = True
x = x.reshape(rows, cols)

或者，您可以先创建适当的形状，然后将其指定给展开阵列：

x = np.zeros((rows, cols), dtype=bool)
x.ravel()[target] = True

如果您想要实际的0和1，请使用像

np.uint8

这样的数据类型，或者除

bool

之外的任何适合您需要的数据类型

这里显示的方法甚至可以应用于列表示例，以提高效率。即使将

目标

转换为

集合

，也会使用

N=rows*cols

执行

O（N）

查找。相反，您只需要使用

M=len（目标）

，不进行查找的

M

分配：

另一种方式：

shape = (rows, cols)
arr = np.zeros(shape)
arr[np.unravel_index(target, shape)] = 1

---

通常比

x.ravel（）[target]=True更健壮，尽管使用新分配的
x
，我的版本可能会快一点。
shape = (rows, cols)
arr = np.zeros(shape)
arr[np.unravel_index(target, shape)] = 1