如何使用 numpy 向量化将值数组转换为匹配的索引数组？

Question

我有一个 numpy 样本对数组（2-D）和一个样本数组（1-D）。我想将样本对转换为表示样本数组索引的匹配数组（即二维）。有比我已经采用的更快的解决方案吗？import numpy as nppair_list = np.array([['samp1', 'samp4'],                ['samp2', 'samp7'],                ['samp2', 'samp4']])samples = np.array(['samp0', 'samp1', 'samp2', 'samp3', 'samp4', 'samp5',                 'samp6', 'samp7', 'samp8', 'samp9'])vfunc = np.vectorize(lambda s: np.where(samples == s)[0])pair_indices = vfunc(pair_list)In [180]: print(pair_indices)[[1 4] [2 7] [2 4]]

Answer 1

我建议您使用字典，因为它的时间复杂度很高。

>>> import numpy as np

>>> pair_list = np.array([['samp1', 'samp4'],

                ['samp2', 'samp7'],

                ['samp2', 'samp4']])

>>> samples = {'samp0':0, 'samp1':1, 'samp2':2, 'samp3':3, 'samp4':4, 'samp5':5,

                 'samp6':6, 'samp7':7, 'samp8':8, 'samp9':9}

>>> vfunc = np.vectorize(lambda x: samples[x])

>>> pair_indices = vfunc(pair_list)

>>> print(pair_indices)

[[1 4]

 [2 7]

 [2 4]]

Answer 2

pair_list = np.array([['samp1', 'samp4'],

            ['samp2', 'samp7'],

            ['samp2', 'samp4']])

samples = np.array(['samp0', 'samp1', 'samp2', 'samp3', 'samp4', 'samp5',

             'samp6', 'samp7', 'samp8', 'samp9'])

def f1(pair_list,samples):

    vfunc = np.vectorize(lambda s: np.where(samples == s)[0])

    return vfunc(pair_list)

def f2(pair_list,samples):

    d = dict()

    for idx,el in enumerate(samples): d[el]=idx

    return np.array([d[el] for row in pair_list for el in row]).reshape(pair_list.shape[0],2)

f2看起来很笨拙，但是...

timeit f1(pair_list,samples)

25.7 µs ± 78 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

timeit f2(pair_list,samples)

9.09 µs ± 68.5 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

在您的机器上试一试，看看效果如何！当然，如果你有重用的能力会更好samples，因为在这种情况下你只需要转换samples为dict一次。

编辑：正如 Mohsen_Fatemi 所建议的那样，矢量化dict访问要好得多，即使samples不能重用。

def f3(pair_list,samples):

    d = dict()

    for idx,el in enumerate(samples): d[el]=idx

    vfunc = np.vectorize(lambda x: d[x])

    return vfunc(pair_list)

timeit f3

16.1 ns ± 0.0138 ns per loop (mean ± std. dev. of 7 runs, 100000000 loops each)