Python 高效地查找数组中数据帧值的索引

我有一个

数据帧

，类似于：

x     y     z
--------------
0     A     10
0     D     13
1     X     20
...

对于

x

和

y

的每个可能值，我有两个排序数组：

x_values = [0, 1, ...]
y_values = ['a', ..., 'A', ..., 'D', ..., 'X', ...]

所以我写了一个函数：

def lookup(record, lookup_list, lookup_attr):
    return np.searchsorted(lookup_list, getattr(record, lookup_attr))

然后打电话：

df_x_indicies = df.apply(lambda r: lookup(r, x_values, 'x')
df_y_indicies = df.apply(lambda r: lookup(r, y_values, 'y')

# df_x_indicies: [0, 0, 1, ...]
# df_y_indicies: [26, ...]

但是否有更有效的方法来实现这一点？并且可能同时有多个列来获取返回的

数据帧

，而不是一个序列

我试过：

np.where(np.in1d(x_values, df.x))[0]

---

但这会删除重复的值，这是不需要的。

使用

系列
和
.loc
进行更新，您也可以尝试使用
reindex

pd.Series(range(len(x_values)),index=x_values).loc[df.x].tolist()
Out[33]: [0, 0, 1]

使用
系列
和
.loc
更新，您也可以尝试使用
reindex

pd.Series(range(len(x_values)),index=x_values).loc[df.x].tolist()
Out[33]: [0, 0, 1]

您可以将索引数组转换为
pd.index
对象，以实现快速查找（er）

在哪里,

x_values
# [0, 1]

y_values
# ['a', 'A', 'D', 'X']


至于您对多个列执行此操作的要求，您将不得不对每个列进行迭代。这是上面代码的一个版本，应该推广到N列和索引

val_list = [x_values, y_values] # [x_values, y_values, z_values, ...]
idx_list = map(pd.Index, val_list)
pd.DataFrame({
    f'{c}': idx.get_indexer(df[c]) for idx, c in zip(idx_list, df)})

   x  y
0  0  1
1  0  2
2  1  3

您可以将索引数组转换为
pd.index
对象，以实现快速查找（er）

在哪里,

x_values
# [0, 1]

y_values
# ['a', 'A', 'D', 'X']


至于您对多个列执行此操作的要求，您将不得不对每个列进行迭代。这是上面代码的一个版本，应该推广到N列和索引

val_list = [x_values, y_values] # [x_values, y_values, z_values, ...]
idx_list = map(pd.Index, val_list)
pd.DataFrame({
    f'{c}': idx.get_indexer(df[c]) for idx, c in zip(idx_list, df)})

   x  y
0  0  1
1  0  2
2  1  3

我想我可能还不清楚我要检索哪些索引。我希望列
x
和
y
的索引基于其值出现在
x_值中的位置，以及
y_值中的位置，因此我希望
x
的返回标记（基于这个小示例）为
[0，0，1，…]
我想我可能不清楚要检索哪些索引。我希望列
x
和
y
的索引基于它们的值出现在
x\u值中的位置，以及
y\u值中的位置，因此我希望
x
的返回标记（基于这个小示例）是
[0，0，1，…]
，这很聪明！这也是我在之前的S.O.帖子中没有看到的read@SumNeuron如果有帮助，请考虑接受答案。谢谢。我会的，但过去有人建议我不要立即接受答案，而是给社区中的其他人一些时间来提出其他想法：）这很聪明！这也是我在之前的S.O.帖子中没有看到的read@SumNeuron如果有帮助，请考虑接受答案。谢谢。我会的，但过去有人建议我不要立即接受答案，而是给社区中的其他人一些时间来提出其他想法：）