Python 提高关联数组和字典的速度

我有3个数组

a = np.array([[1], [4], [5], [11], [7]])
b = np.array([[14], [3], [2], [10], [12]])
c = np.array([[6], [13], [15], [8], [9]])

我想将它们合并并按每行升序排序，以获得：

[[ 1  6 14]
 [ 3  4 13]
 [ 2  5 15]
 [ 8 10 11]
 [ 7 9 12]]

并查看从哪个初始数组（a、b、c）中选取每个值。因此，我使用了以下代码：

combined = np.concatenate([a, b, c], axis=1)
names = np.array(['a','b','c'])
L = names[np.argsort(combined)]

它给了我这个结果：

[['a' 'c' 'b']
 ['b' 'a' 'c']
 ['b' 'a' 'c']
 ['c' 'b' 'a']
 ['a' 'c' 'b']]

我还有一本字典：

Test = np.array(range(101,116)).reshape((5,3), order = 'F')

或

现在，我希望通过以下方式将Dic与L联系起来：

new = []
for i in range(0,3):
    for j in range(0,5):
        
        if L[j,i]=='a':
            H = Dic['a'][j]
            
        elif L[j,i]=='b':
            H = Dic['b'][j]
            
        elif L[j,i]=='c':
            H = Dic['c'][j]
            
        new = np.append(new, H)
        
final = new.reshape((5,3), order = 'F')

给我以下的最终结果：

[[101. 111. 106.]
 [107. 102. 112.]
 [108. 103. 113.]
 [114. 109. 104.]
 [105. 115. 110.]]

然而，我的真实数据集非常大，这个过程需要几个小时。我正在寻找一种更好的方法来加速我的代码

换句话说，我正在根据第一个数组对第二个数组进行排序

first array:[['a' 'c' 'b']
             ['b' 'a' 'c']
             ['b' 'a' 'c']
             ['c' 'b' 'a']
             ['a' 'c' 'b']]

second array: [[101 106 111]
              [102 107 112]
              [103 108 113]
              [104 109 114]
              [105 110 115]]

---

第1列、第2列和第3列对应于“a”、“b”和“c”

只需在此处使用整数而不是字母对

名称进行编码（这也将是argsort的结果）

然后使用
沿\u轴取\u
：

np.take_along_axis(Test, L, 1)


字典上的循环总是很慢。你应该尽量避免使用字典，而是使用numpy广播。例如：

将numpy导入为np
a=np.array（[[1]、[4]、[5]、[11]、[7]）
b=np.数组（[[14]、[3]、[2]、[10]、[12]]）
c=np.数组（[[6]、[13]、[15]、[8]、[9]]）
组合=np。连接（[a，b，c]，轴=1）
i=np.argsort（组合）
Test=np.数组（范围（101116））.重塑（（5,3），顺序='F'）
打印（测试[np.arange（5）[：，无]，i]）
#数组（[[101111106]，
#        [107, 102, 112],
#        [108, 103, 113],
#        [114, 109, 104],
#        [105, 115, 110]])

names = np.arange(3)

np.take_along_axis(Test, L, 1)

array([[101, 111, 106],
       [107, 102, 112],
       [108, 103, 113],
       [114, 109, 104],
       [105, 115, 110]])