Python Pandas Series.map等效于NumPy

我有一个查找值的字典

dictionary={'a'：1，'b'：2，'c'：3，'d'：3}

我希望从numpy得到的结果是

pandas.Series.map（）

传入字典后返回的内容。例如

series.map（字典，na_action='ignore'）

注意：这个

series.map（）

函数速度非常快，这让我相信numpy API中一定有一个等价的函数，而不是我实现一些涉及

numpy.where（）

和循环字典键的解决方案

这是一个小家伙-

def map_series_by_dict(s, d):
    a = s.values
    v = np.array(list(d.values()))
    k = np.array(list(d.keys()))    
    sidx = k.argsort()
    out_ar = v[sidx[np.searchsorted(k,a,sorter=sidx)]]
    return pd.Series(out_ar, index=s.index)

样本运行-

In [143]: d
Out[143]: {'a': 1, 'b': 2, 'c': 3, 'd': 3}

In [144]: s
Out[144]: 
0    a
1    a
2    c
3    b
4    a
dtype: object

In [145]: map_series_by_dict(s, d)
Out[145]: 
0    1
1    1
2    3
3    2
4    1

---

对于一般（非dict）情况，请参阅。如果我理解正确，这是否会分解输入值，以便您不必对每个值分别调用

dict.get

？我假设这就是

sidx

+

np.searchsorted

的目的。如果是这种情况，那么值得注意的是，这就是为什么它比一般的

np.vectorize

和

dict.get

更快的原因。此外，您的答案可能应该在这里：。可能会生成更多视图的地方+upvotes:）。@jpp好吧，提取部分以从dict中获取值和键可以被认为是设置开销，之后应该进行矢量化。关于寻找更深入的问答的良好呼吁。我会提醒自己尽快添加此搜索，谢谢！