在公共列上查找两组Python Numpy数组

我正在尝试合并一些数据，我有以下两个2d numpy数组（a和b）

我想得到2个新的2d numpy阵列（c和d），其中a和b的第一列匹配如下

c = [[  30   4.296339997e-04][  40  -1.06232578e-03]
     [  50  -1.219884414e-03][  60  -1.27936723e-03]]

d = [[  30   6.687897368e-04][  40   2.887890375e-04]
     [  50   3.293467897e-04][  60  -8.067893578e-03]]

有人知道这样做的最佳方式吗

我试过简单地循环每一项，但速度不够快，我知道可以用更优雅的方法解决

我正在使用以下解决方案。速度快得多，但不确定是否正确

aHash = map(tuple, a)
bHash = map(tuple, b)

aKey = {x[:1] for x in aHash}
bKey = {x[:1] for x in bHash}

c = np.array([x for x in bHash if x[:1] in aKey])
d = np.array([x for x in aHash if x[:1] in bKey])

---

谢谢

我希望这是一个非常快速的解决方案，特别是在预分类数据上

import numpy as np

a = np.array([[  20  ,6.88780375e-04],
     [  30 ,  4.296339997e-04],[  40 , -1.06232578e-03],
     [  50  ,-1.219884414e-03],[  60 , -1.27936723e-03],[  10  ,9.689474368e-04],])

b = np.array([[  30 ,  6.687897368e-04],[  40  , 2.887890375e-04],
     [  50 ,  3.293467897e-04],[  60 , -8.067893578e-03],
     [  70 , -7.213988414e-03],[  80 , -8.278967323e-03],])

a.sort(axis=0)
b.sort(axis=0)

def merge(a, b):
    c = []
    d = []
    ai = 0
    bi = 0
    while(ai < len(a) and bi < len(b)):
        av = a[ai]
        bv = b[bi]
        if av[0] == bv[0]:
            c.append(av)
            d.append(bv)
            ai += 1
            continue
        if av[0] < bv[0]:
            ai += 1
            continue
        else:
            bi += 1
            continue

    return np.array(c), np.array(d)


print merge(a,b)

这是一个1000倍大的无序阵列上的小规模比较

Full tests done 1,000 times
while_loop_method = 24.1850584226
hash_map_method = 25.9077035996

---

我的方法似乎可以很好地扩展，但在未排序的大型阵列上，它的效率并不高。我希望我的加入是罪魁祸首。

看起来很有趣，但你试过什么？（我们喜欢在这里鼓励学习并阻止懒惰；-）到目前为止，没有太多，只是每个项目上的一个简单循环，然而，正如你可以想象的那样，它非常缓慢……那么就把它放到问题上吧，不要害羞。（我在强调差异，为什么不在我们达成目标的同时扩大目标）。是的，我可以扩大目标，但我认为这不相关。我相信这个问题是不言自明的：）这里可能有改进的余地，但是这种方法应该对你的目标非常有效。谢谢，我会尝试一下，我猜你的比较是和我的hash-map方法对吧？确实如此。您可以进行优化，使两个空np.array与“a”或“b”一样大，以较小者为准。然后，您可以简单地通过索引将每个值添加到预制数组中，而不是连续追加。作为最后一步，您将删除未使用的索引。应该注意的是，第1列中的重复值是未定义的行为……如果需要，您可能需要使用特殊的逻辑来处理它。

Full tests done 100,000 times
while_loop_method = 3.19426544412 sec
hash_map_method = 3.89232874699 sec

Full tests done 1,000 times
while_loop_method = 24.1850584226
hash_map_method = 25.9077035996