Python 使用Numpy数组作为查找表

我有一个从.csv文件读取的Numpy数据的2D数组。每一行代表一个数据点，最后一列包含一个“键”，它唯一地对应于另一个Numpy数组中的“键”——实际上是“查找表”

将第一个表中的行与第二个表中的值进行匹配的最佳方法是什么？

一些示例数据：

import numpy as np

lookup = np.array([[  1.     ,   3.14   ,   4.14   ],
                   [  2.     ,   2.71818,   3.7    ],
                   [  3.     ,  42.     ,  43.     ]])

a = np.array([[ 1, 11],
              [ 1, 12],
              [ 2, 21],
              [ 3, 31]])

在查找表中从键到行号构建字典：

mapping = dict(zip(lookup[:,0], range(len(lookup))))

然后你可以使用字典来匹配行。例如，如果您只想加入表：

>>> np.hstack((a, np.array([lookup[mapping[key],1:] 
                            for key in a[:,0]])))
array([[  1.     ,  11.     ,   3.14   ,   4.14   ],
       [  1.     ,  12.     ,   3.14   ,   4.14   ],
       [  2.     ,  21.     ,   2.71818,   3.7    ],
       [  3.     ,  31.     ,  42.     ,  43.     ]])    

---

在可以从键计算索引的特殊情况下，可以避免使用字典。当可以选择查找表的键时，这是一个优势

对于Vebjorn Ljosa的例子：

查找：

>>> lookup[a[:,0]-1, :]
array([[  1.     ,   3.14   ,   4.14   ],
       [  1.     ,   3.14   ,   4.14   ],
       [  2.     ,   2.71818,   3.7    ],
       [  3.     ,  42.     ,  43.     ]])

合并：

>>> np.hstack([a, lookup[a[:,0]-1, :]])
array([[  1.     ,  11.     ,   1.     ,   3.14   ,   4.14   ],
       [  1.     ,  12.     ,   1.     ,   3.14   ,   4.14   ],
       [  2.     ,  21.     ,   2.     ,   2.71818,   3.7    ],
       [  3.     ,  31.     ,   3.     ,  42.     ,  43.     ]])

---

+1从Alex Martelli获得+1；）当然，还有一个有用的答案。不管它值多少钱，都有一个内置的numpy函数来实现这一点：

numpy.lib.recfunctions.join_by

。但是，如果您还没有使用结构化数组，那么它就相当笨重了。有人能给我解释一下这部分的具体功能吗

np.array（[lookup[mapping[key]，1:]表示a[：，0]]）

@Carl，它从

a

的第一列获取每个键，并在

lookup

数组中查找匹配行。然后它生成这些行的数组，省略第一列（键），这很有意义。感谢您的解释。使用查找

dict

的答案很酷，但是对于大型查找表来说，它非常无效。如果要“查找”值，可以使用

np.interp

和

xp

作为查找键，使用

fp

作为值（我想必须是浮动…）。通过这种方式，查找是在本机

numpy

中完成的，而不是python迭代（假设您希望通过查找表放置一个大图像，例如应用颜色映射）。