Numpy 如何在tensorflow中获取查找表的映射

我有两个不同的数据集和分类数据，每个数据集有两个对应的键

因此，想象数据集1的值为

[0,1,1,0,2]

使用表示类别的键键键：

['cat'、'dog'、'mouse']

值为

[0,1,2,2,1,2]

分类键：

['dog'、'mouse'、'cat']

我希望通过找到正确的键映射来转换dataset2以匹配dataset1。在这种情况下，数据集2与数据集1的键匹配的映射是

[1,2,0]

。作为数据集2的查找，它将对其进行转换：

[0,1,2,2,1,2]->[1,2,0,0,2,0]

然后，数据集1和数据集2会有正确的类别，相互对应

对于普通python中的列表理解，这是非常简单的，但是我使用的是tensorflow，因此假设dataset1和dataset2是形状为

[100100]

的张量。我可以执行什么tensorflow操作来生成映射

[1,2,0]

事实上，数据集1和2是一批数据，

categorieKeys

也是一批形状为>（3,3）的数据。所以我们不能从张量到numpy，再到列表，进行列表理解

找到地图然后转换数据的正确tensorflow操作是什么