Numpy 生成将一个数组索引为另一个数组的布尔掩码

很难解释我想用词做什么，所以这里有一个例子

假设我们有以下输入：

In [76]: x
Out[76]: 
0    a
1    a
2    c
3    a
4    b

In [77]: z
Out[77]: ['a', 'b', 'c', 'd', 'e']

我想得到：

In [78]: ii
Out[78]: 
array([[1, 0, 0, 0, 0],
       [1, 0, 0, 0, 0],
       [0, 0, 1, 0, 0],
       [1, 0, 0, 0, 0],
       [0, 1, 0, 0, 0]])

ii

是一组布尔掩码，可应用于

z

以恢复原始

x

我目前的解决方案是编写一个函数，该函数将

z

转换为

列表

，并使用

index

方法获取

z

中元素的索引，然后生成一行零，除了有一个索引的索引。此函数应用于

x的每一行，以获得所需的结果。
第一种可能：

>>> choices = np.diag([1]*5)
>>> choices[[z.index(i) for i in x]]

如其他地方所述，您可以通过
np.searchsorted（z，x）

请注意，正如在的注释中所建议的，您应该使用
np.eye（len（x））
而不是
np.diag（[1]*len（x））
。
np.eye
函数直接为您提供一个二维数组，对角线上为1，其他地方为0。
这是对z进行排序的numpy方法。你没有说。。。如果熊猫需要不同的东西，我不知道：

# Assuming z is sorted.
indices = np.searchsorted(z, x)

现在我真的不知道你为什么想要一个布尔掩码，这些索引可以应用于z来返回x，并且更加紧凑

z[indices] == x # if z included all x.

令人惊讶的是，没有人提到
numpy.equal的
outer
方法：

In [51]: np.equal.outer(s, z)
Out[51]: 
array([[ True, False, False, False, False],
       [ True, False, False, False, False],
       [False, False,  True, False, False],
       [ True, False, False, False, False],
       [False,  True, False, False, False]], dtype=bool)

In [52]: np.equal.outer(s, z).astype(int)
Out[52]: 
array([[1, 0, 0, 0, 0],
       [1, 0, 0, 0, 0],
       [0, 0, 1, 0, 0],
       [1, 0, 0, 0, 0],
       [0, 1, 0, 0, 0]])

那么，你的问题是什么？写这个函数？当然，类似于
np.choose（[“abcde.index（i）for i in x]，“abcde”）
的东西对您不起作用？好吧，当我运行您的行时，我会得到
数组（['a'，'a'，'c'，'a'，'b'，，dtype='S1'）
。我想要的是
['a'，a'，c'，a'，b']
的掩码（5个布尔元素的列表）。这能让事情更清楚吗？你是在寻找一种更快的方法，还是仅仅是一种更短的键入方式，比如：np.array（[[j==i for j in z]for i in x]，dtype=int）@wouterovermei如果两者都是理想的，那么幸运的是它们没有被排序，我的例子是误导性的。我还需要面具，因为我在那之后用概率矩阵乘以它们：如果它们是唯一的，首先自己排序，如果你关心速度的话。至于布尔数组的创建，我建议类似于
a=np.zeros（（…，…），dtype=bool）；a[np.ix_U9;[np.arange（…），z]=1
可能。但没什么大不了的。如果我对它们进行排序，那么我必须对所有其他需要匹配的数组和矩阵的列进行排序。不确定是否值得。第一个是我正在寻找的。我想，与其使用
np.diag（[1]*5）
，不如使用
np.eye（5）
。
In [51]: np.equal.outer(s, z)
Out[51]: 
array([[ True, False, False, False, False],
       [ True, False, False, False, False],
       [False, False,  True, False, False],
       [ True, False, False, False, False],
       [False,  True, False, False, False]], dtype=bool)

In [52]: np.equal.outer(s, z).astype(int)
Out[52]: 
array([[1, 0, 0, 0, 0],
       [1, 0, 0, 0, 0],
       [0, 0, 1, 0, 0],
       [1, 0, 0, 0, 0],
       [0, 1, 0, 0, 0]])