Python 将标签数组映射到系列中的值

这可能是错误的通用方法，但我尝试使用Pandas系列作为一些字符串/标签的numpy数组的查找表：

import pandas as pd
import numpy as np

data_map = pd.Series([2, 4, 6, 0, 1], index=list('abcde'))
lab1d = np.array(['a', 'd', 'd', 'c'])
lab2d = np.array([['d', 'e'],
                  ['e', 'd'],
                  ['c', 'a'],
                  ['a', 'b']])

val1d = data_map.loc[lab1d]
val2d = data_map.loc[lab2d]

如果我这样做，

val1d

将正确解析为：

a    2
d    0
d    0
c    6
dtype: int64

但是

val2d=data\u map.loc[lab2d]

会引发

ValueError

：

ValueError: Cannot index with multidimensional key

我想我明白了这不起作用的原因，但是，采取包含索引值的大小（m x n）的

numpy.ndarray

并返回（可以转换为）包含相应值的大小（m x n）的

numpy.ndarray

的正确方法是什么

编辑 我曾考虑将数据存储在字典中，并使用

numpy.vectorize

（如中所示），这无疑是我的退路，但我想澄清的是，我想知道是否有一种方法可以使用某些方法来实现这一点

编辑2 我应该澄清，我实际上是在寻找符合广播规则的东西，例如：

dmd = data_map.to_dict()
make_map = np.vectorize(dmd.__getitem__)

val1d = make_map(lab1d)
val2d = make_map(lab2d)

对于val1d返回：

array([2, 0, 0, 6])

array([[0, 1],
       [1, 0],
       [6, 2],
       [2, 4]])

对于val2d返回：

array([2, 0, 0, 6])

array([[0, 1],
       [1, 0],
       [6, 2],
       [2, 4]])

---

这里有一个矢量化方法，使用-

样本运行-

>>> data_map = pd.Series([2, 4, 6, 0, 1], index=list('abcde'))
>>> lab1d = np.array(['a', 'd', 'd', 'c'])
>>> lab2d = np.array([['d', 'e'],
...                   ['e', 'd'],
...                   ['c', 'a'],
...                   ['a', 'b']])
>>> data_map[np.searchsorted(np.array(data_map.index),lab1d)]
a    2
d    0
d    0
c    6
dtype: int64
>>> data_map[np.searchsorted(np.array(data_map.index),lab2d)]
array([[0, 1],
       [1, 0],
       [6, 2],
       [2, 4]])

---

您只需展平阵列，然后重塑形状：

data_map[lab2d.ravel()].reshape(lab2d.shape)

---

注意：如果我的“编辑2”示例基本上是这样做的“正确”方法，那么我认为这个问题可以作为的副本结束。这看起来不错。与%timeit相比，它比基于字典的查找慢2-3倍，但这看起来基本上是正确的方法，只使用numpy数组和pandas系列。@Paul-Hmm有趣。我真的希望它能快点！也许它会有一个更大的数据集和查找！将被接受的答案转换为这个答案，因为这实际上与基于

dict

的方法一样快，并且更具可读性和直观性。