我必须使用原始数组的一组索引，从已知数组创建一个大数组。索引被存储为ndarray，为了构建新的数组，我正在做这样的事情：
import numpy as np
dim_1 = 200
high_index = 1000
dim_2 = 300
masks_array = np.random.randint( low = 0, high = high_index - 1, size=(high_index, dim_1) )
the_array = np.random.rand( high_index, dim_2 )
new_array = np.array( [ the_array[ masks_array[ j, : ], : ] for j in range(high_index) ] )
这是从masks_array生成new_array的最快方法吗？有没有一种方法可以在没有循环的情况下做到这一点？出于兴趣；对于"；循环在np.array构造函数中，这是否转化为Python中的高效循环(类似于列表理解(？
In [198]: dim_1 = 200
...: high_index = 1000
...: dim_2 = 300
...:
...: masks_array = np.random.randint( low = 0, high = high_index - 1, size=
...: (high_index, dim_1) )
...: the_array = np.random.rand( high_index, dim_2 )
...:
...: new_array = np.array( [ the_array[ masks_array[ j, : ], : ] for j i
...: n range(high_index) ] )
In [199]: new_array.shape
Out[199]: (1000, 200, 300)
In [200]: masks_array.shape
Out[200]: (1000, 200)
In [201]: the_array.shape
Out[201]: (1000, 300)
让我们尝试使用masks_array:进行简单的索引
In [205]: arr = the_array[masks_array,:]
In [206]: arr.shape
Out[206]: (1000, 200, 300)
In [207]: np.allclose(new_array, arr)
Out[207]: True
时间比较：
In [213]: timeit new_array = np.array([the_array[masks_array[j,:],:] for j in ra
...: nge(high_index)])
658 ms ± 17.6 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
In [214]: timeit arr = the_array[masks_array,:]
292 ms ± 65.1 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)
我怀疑，由于结果的整体规模较大，节省的时间并不多。
这是python，np.array是一个函数。所以
[the_array[masks_array[j,:],:] for j in range(high_index)]
首先进行评估，然后传递给`np.array.
In [215]: timeit [the_array[masks_array[j,:],:] for j in range(high_index)]
369 ms ± 7.94 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)