使用Numpy数组作为查找表

Question

我有一个从.csv文件读取的Numpy数据的二维数组。每一行都代表一个数据点，最后一列包含一个'key'，它唯一对应于另一个Numpy数组中的'key' - 'lookup table'。

什么是最好的（最Numpythonic）方式来匹配第一个表中的行和第二个中的值？

Answer 1

一些示例数据：

import numpy as np 

lookup = np.array([[ 1.  , 3.14 , 4.14 ], 
        [ 2.  , 2.71818, 3.7 ], 
        [ 3.  , 42.  , 43.  ]]) 

a = np.array([[ 1, 11], 
       [ 1, 12], 
       [ 2, 21], 
       [ 3, 31]]) 

建立从关键一本字典来排在查找表编号：

mapping = dict(zip(lookup[:,0], range(len(lookup)))) 

然后你可以用字典来匹配行。例如，如果您只想加入表格：

>>> np.hstack((a, np.array([lookup[mapping[key],1:] 
          for key in a[:,0]]))) 
array([[ 1.  , 11.  , 3.14 , 4.14 ], 
     [ 1.  , 12.  , 3.14 , 4.14 ], 
     [ 2.  , 21.  , 2.71818, 3.7 ], 
     [ 3.  , 31.  , 42.  , 43.  ]])  

Answer 2

在特殊情况下，可以通过键计算索引，避免使用字典。当查找表的关键字可以被选择时，这是一个优点。

对于Vebjorn Ljosa的例子：

查找：

>>> lookup[a[:,0]-1, :] 
array([[ 1.  , 3.14 , 4.14 ], 
     [ 1.  , 3.14 , 4.14 ], 
     [ 2.  , 2.71818, 3.7 ], 
     [ 3.  , 42.  , 43.  ]]) 

合并：

>>> np.hstack([a, lookup[a[:,0]-1, :]]) 
array([[ 1.  , 11.  , 1.  , 3.14 , 4.14 ], 
     [ 1.  , 12.  , 1.  , 3.14 , 4.14 ], 
     [ 2.  , 21.  , 2.  , 2.71818, 3.7 ], 
     [ 3.  , 31.  , 3.  , 42.  , 43.  ]])