将索引列表转换为2D numpy数组的最快方法
问题内容：
我有一个索引列表
a = [
[1,2,4],
[0,2,3],
[1,3,4],
[0,2]]
将其转换为numpy数组的最快方法是什么，其中每个索引都显示1的位置？
即我想要的是：
output = array([
[0,1,1,0,1],
[1,0,1,1,0],
[0,1,0,1,1],
[1,0,1,0,0]])
我事先知道数组的最大大小。我知道我可以遍历每个列表，并在每个索引位置插入1，但是有没有一种更快/矢量化的方法来做到这一点？
我的用例可能有成千上万的行/列，我需要做数千次，所以速度越快越好。
问题答案：
这个怎么样：
ncol = 5
nrow = len(a)
out = np.zeros((nrow, ncol), int)
out[np.arange(nrow).repeat([*map(len,a)]), np.concatenate(a)] = 1
out
# array([[0, 1, 1, 0, 1],
# [1, 0, 1, 1, 0],
# [0, 1, 0, 1, 1],
# [1, 0, 1, 0, 0]])
以下是1000x1000二进制数组的计时，请注意，我使用了上面的优化版本，请参见pp下面的函数：
pp 21.717635259992676 ms
ts 37.10938713003998 ms
u9 37.32933565042913 ms
产生计时的代码：
import itertools as it
import numpy as np
def make_data(n,m):
I,J = np.where(np.random.random((n,m))<np.random.random((n,1)))
return [*map(np.ndarray.tolist, np.split(J, I.searchsorted(np.arange(1,n))))]
def pp():
sz = np.fromiter(map(len,a),int,nrow)
out = np.zeros((nrow,ncol),int)
out[np.arange(nrow).repeat(sz),np.fromiter(it.chain.from_iterable(a),int,sz.sum())] = 1
return out
def ts():
out = np.zeros((nrow,ncol),int)
for i, ix in enumerate(a):
out[i][ix] = 1
return out
def u9():
out = np.zeros((nrow,ncol),int)
for i, (x, y) in enumerate(zip(a, out)):
y[x] = 1
out[i] = y
return out
nrow,ncol = 1000,1000
a = make_data(nrow,ncol)
from timeit import timeit
assert (pp()==ts()).all()
assert (pp()==u9()).all()
print("pp", timeit(pp,number=100)*10, "ms")
print("ts", timeit(ts,number=100)*10, "ms")
print("u9", timeit(u9,number=100)*10, "ms")
