在使用numpy的python中，如何根据两个数组中存在的列从另一个数组更新数组？

所以我有一个如下的源数组：

 [[  9  85  32 100]
 [  7  80  30 100]
 [  2  90  16 100]
 [  6 120  22 100]
 [  5 105  17 100]
 [  0 100  33 100]
 [  3 110  22 100]
 [  4  80  22 100]
 [  8 115  19 100]
 [  1  95  28 100]]

我想用这个来更新数组，取决于第一列

[[  3 110  22 105]
 [  5 105  17 110]
 [  1  95  28 115]]

像这样

 [[  9  85  32 100]
 [  7  80  30 100]
 [  2  90  16 100]
 [  6 120  22 100]
 [  5 105  17 110]
 [  0 100  33 100]
 [  3 110  22 105]
 [  4  80  22 100]
 [  8 115  19 100]
 [  1  95  28 115]]

但是我在NumPy中找不到一个函数可以直接实现这一点，所以目前没有比我写的这个方法更好的方法了：

def update_ary_with_ary(source, updates):
    for x in updates:
        index_of_col = np.argwhere(source[:,0] == x[0])
        source[index_of_col] = x

---

这个函数会产生一个循环，所以它不专业，性能也不高，所以我会一直使用这个函数，直到有人给我一个更好的方法来处理NumPy圈，我不想从另一圈得到解决方案，只要NumPy

假设您的源数组是

s

，更新数组是

u

，假设

s

和

u

不是很大，您可以：

update_row_ids = np.nonzero(s[:,0] == u[:,0].reshape(-1,1))[1]
s[update_row_ids] = u

测试：

import numpy as np
s = np.array(
    [[  9,  85,  32, 100],
     [  7,  80,  30, 100],
     [  2,  90,  16, 100],
     [  6, 120,  22, 100],
     [  5, 105,  17, 100],
     [  0, 100,  33, 100],
     [  3, 110,  22, 100],
     [  4,  80,  22, 100],
     [  8, 115,  19, 100],
     [  1,  95,  28, 100]])
u = np.array(
    [[  3, 110,  22, 105],
     [  5, 105,  17, 110],
     [  1,  95,  28, 115]])

update_row_ids = np.nonzero(s[:,0] == u[:,0].reshape(-1,1))[1]
s[update_row_ids] = u

print(s)

这张照片是：

[[  9  85  32 100]
 [  7  80  30 100]
 [  2  90  16 100]
 [  6 120  22 100]
 [  5 105  17 110]
 [  0 100  33 100]
 [  3 110  22 105]
 [  4  80  22 100]
 [  8 115  19 100]
 [  1  95  28 115]]

编辑： OP提供了以下附加细节：

• “源阵列”是“巨大的”
• “更新数组”中的每一行都匹配 “源数组”中只有一行

基于此附加详细信息，以下替代解决方案可能会提供更好的性能，尤其是在源阵列的行未在第一列上排序的情况下：

sorted_idx = np.argsort(s[:,0])
pos = np.searchsorted(s[:,0],u[:,0],sorter=sorted_idx)
update_row_ids = sorted_idx[pos]

s[update_row_ids] = u

---

fountainhead你的答案正确，是的，它已经被充分利用了Numpy圈，但是在性能测试中，在我的模拟程序中处理50K行的时间增加了一倍！！从22秒到44秒！！我不知道为什么！！但是你的回答只帮助我在这一行上得到正确的答案：

source[updates[:,0]] = updates
# or 
s[u[:,0]] = u

因此，当我使用它时，它的处理时间从100K行减少到只有0.5秒，然后让我用5秒的时间处理更像1M行，我已经在学习python和数据挖掘了。我对这些数字感到震惊，我以前在使用大型数组（如正则变量）的其他语言上从未遇到过这种情况。你可以在我的GitHub上看到

---

喷泉你应该接受答案，但你应该知道最好的答案。

我再次检查。您的

s[u[：，0]]=u

解决方案将不会产生您要求的结果。因此，要么你的问题是错误的，要么你的

s[u[：，0]]=u

的解是错误的。至于速度，你的问题没有提到涉及的尺寸。我做了一些假设（我确实提到过，尽管是非定量的）。如果您仍在寻找一些答案，或者对您的速度观察结果进行一些解释，我认为您应该提供更多有关所涉及大小的详细信息。您的权利，在我的代码中，源数组和列（0）的顺序是相同的，因此它对我适用，因此，在我们得到性能更高的答案之前，您的答案是正确的。关于您的应用程序/数据还有一个问题-

u

的每一行是否恰好匹配一行

s

，或者它是否可能匹配（并更新）多行

s

？而

s

和

u

的潜在（最坏情况）长度是多少？在我的情况下，不应该是它在（s）和（u）中由col（0）表示的唯一行，目前s[u[：，0]]=u工作正常，并且（s）中的行已排序，但当我需要将数组更新为依赖于这两个col的数组时，问题仍然存在。。这个问题还没有解决