如何将2D numpy数组映射到具有另一个2D数组作为映射的一维数组？

Question

所以，我有两个2D numpy的阵列， data包含实际样本数据：

[[12 15  5  0]
 [ 3 11  3  7]
 [ 9  3  5  2]
 [ 4  7  6  8]]

另一个location ，包含一个地图，另一个唯一的，非重叠的int值的二维数组，对应于与这两个相同大小的新1D数组中的空格：

[[ 5  6  9 10]
 [ 4  7  8 11]
 [ 3  2 13 12]
 [ 0  1 14 15]]

到目前为止，我能够运行传输的唯一方法是使用简单的for循环：

arr = np.zeros(4*4, dtype = int)

for i in range(4):
    for j in range(4):
        mapval = location[i, j]
        arr[mapval] = data[i, j]

哪个输出正确[ 4 7 3 9 3 12 15 11 3 5 0 7 2 5 6 8]

这对于简单的4 * 4阵列来说很好，但实际的数据集时钟为512 * 512，这种方法需要相当长的时间才能完成。 所以我的问题是，是否有任何函数或方法利用ufuncs / numpy的快速处理功能来更有效地完成这项工作？

Answer 1

您需要对location数组进行排序以对数据数组进行重新排序的索引，可以使用argsort进行计算：

data.ravel()[location.ravel().argsort()]
# array([ 4,  7,  3,  9,  3, 12, 15, 11,  3,  5,  0,  7,  2,  5,  6,  8])

---

import numpy as np
data = np.array([[12, 15,  5,  0],
 [ 3, 11,  3,  7],
 [ 9,  3,  5,  2],
 [ 4,  7,  6,  8]])

location = np.array([[ 5,  6,  9, 10],
 [ 4,  7,  8, 11],
 [ 3,  2, 13, 12],
 [ 0,  1, 14, 15]])