Python 如何从一维数组中获取二维索引数组？

我正在寻找一种基于一维数组中的值返回二维数组索引的有效方法。我目前有一个嵌套的for循环设置，速度非常慢

以下是一些示例数据和我想要得到的：

data2d = np.array( [  [1,2] , [1,3] ,[3,4], [1,2] , [7,9] ])

data1d = np.array([1,2,3,4,5,6,7,8,9])

我想返回data2d等于data1d的索引。我想要的输出是这个2d数组：

locs = np.array([[0, 1], [0, 2], [2, 3], [0, 1], [6, 8]])

我唯一想到的是嵌套for循环：

locs = np.full((np.shape(data2d)), np.nan)

for i in range(0, 5):
    for j in range(0, 2):
        loc_val = np.where(data1d == data2d[i, j])
        loc_val = loc_val[0]
        locs[i, j] = loc_val

---

这对于一小部分数据来说是很好的，但我有87600个二维网格，每个网格点为428x614个网格点。

这应该也很快

import numpy as np
data2d = np.array( [  [1,2] , [1,3] ,[3,4], [1,2] , [7,9] ])
data1d = np.array([1,2,3,4,5,6,7,8,9])
idxdict = dict(zip(data1d,range(len(data1d))))
locs = data2d
for i in range(len(locs)):
    for j in range(len(locs[i])):
        locs[i][j] = idxdict[locs[i][j]]

使用：

searchsorted

使用ravelled

data2d

执行二进制搜索。然后对结果进行重塑

---

另一种选择是构建索引并在固定时间内查询它。您可以使用pandas的

Index

API来实现这一点

import pandas as pd

idx = pd.Index([1,2,3,4,5,6,7,8,9])
idx
#  Int64Index([1, 2, 3, 4, 5, 6, 7, 8, 9], dtype='int64')

idx.get_indexer(data2d.ravel()).reshape(data2d.shape)

array([[0, 1],
       [0, 2],
       [2, 3],
       [0, 1],
       [6, 8]])

---

data1d

是否已排序？此外，是否保证data2中的所有点都存在于data1中？是的，它已针对我正在处理的数据进行排序。是的，所有的点都保证存在。哇，这两个看起来都是很好的解决方案，谢谢！现在我只需要看看它在更大数据上的表现。

import pandas as pd

idx = pd.Index([1,2,3,4,5,6,7,8,9])
idx
#  Int64Index([1, 2, 3, 4, 5, 6, 7, 8, 9], dtype='int64')

idx.get_indexer(data2d.ravel()).reshape(data2d.shape)

array([[0, 1],
       [0, 2],
       [2, 3],
       [0, 1],
       [6, 8]])