Python Numpy：基于字典转换一维数组中的值

我有以下数组和字典

>>> data = ['a', 'b', 'a', 'a']
>>> mapping = {'a': 9, 'b': 0}

我想应用一个函数，根据此输入字典将

np.array（['a'，'b'，'a'，'a']

转换为

np.array（[9,0,9,9]）

。但我想将此操作矢量化。如果不使用

for循环

，如何实现此转换

请注意，和都不起作用，因为它们要求输入数组是二维的

---

编辑：请注意，我正在使用的实际数据集非常大，这里的数据集只是一个简单的示例。

如何简单地调用

映射

>>> data = ['a', 'b', 'a', 'a']
>>> mapping = {'a': 9, 'b': 0}
>>> map(lambda x: mapping[x], data)
[9, 0, 9, 9]

---

这不使用numpy，而且如果阵列很大，速度也不会非常快，但它很简单，在遇到性能问题之前可能不需要担心

首先，定义一些示例数据：

In [36]: data = np.array(['a', 'b', 'a', 'a', 'c', 'b'])

In [37]: mapping = {'a': 9, 'b': 0, 'c': 5}

您可以使用

numpy.unique

获取

数据中的唯一元素，以及（更重要的是）将这些唯一值映射回输入数组的数组：

In [38]: keys, inv = np.unique(data, return_inverse=True)

此时，
keys[inv]
将重新创建
数据
。但我们希望创建映射数组，因此我们将在
mapping
中创建一个值数组，其顺序与
np返回的键相同。unique
：

In [39]: vals = np.array([mapping[key] for key in keys])

现在，我们可以使用
inv
索引
vals
，以获得所需的结果：

In [40]: result = vals[inv]

In [41]: result
Out[41]: array([9, 0, 9, 9, 5, 0])

另一种方法（这是一种相当简单的方法）是简单地在
映射中循环键，并将值矢量化分配到一个新数组中：

In [42]: result = np.empty(data.size, dtype=int)

In [43]: for key, val in mapping.items():
   ....:     result[data == key] = val
   ....:     

In [44]: result
Out[44]: array([9, 0, 9, 9, 5, 0])

如果不了解更多关于
数据的实际大小以及
映射中的键数，很难说哪种方法更有效

下面是一个您可能不想使用的方法，因为由表达式
data.reformate（-1，1）=keys
形成的二维中间数组将具有shape
（len（数据），len（映射））
：

正确，这将是一个快速的方法。但是正如你所承认的，这个解决方案只有在数据集很小的情况下才有效，我正在处理大数据集。熊猫。也许你可以试试。“非常大”有点模糊。一百万？十亿？比十亿多得多？还有，大概有多少键将
mapping
映射？你浏览过numpy或scipy文档，看看是否有解决方案吗？@WarrenWeckesser:只是一个足够大的数据集，几乎无法放入我的RAM。（我正在为退化的情况做准备，在这种情况下，我需要为10亿行的数据集做准备。）@wwii:是的。否则，我就不知道函数
np。沿轴应用，也不
np。在轴上应用。我最喜欢你的第二个答案（在
映射上调用for循环。items（）
），谢谢。
In [63]: keys = np.array(mapping.keys())

In [64]: vals = np.array(mapping.values())

In [65]: result = vals[(data.reshape(-1, 1) == keys).nonzero()[1]]

In [66]: result
Out[66]: array([9, 0, 9, 9, 5, 0])