Python 如何在Numpy数组和Pandas数据帧之间进行映射？

我有一个像熊猫一样的数据框

data = [[0, 10, 22000, 3], 
        [1, 15, 42135, 4], 
        [0, 14, 13526, 5],
        [0, 16, 32156, 3], 
        [1, 23, 13889, 5], 
        [0, 18, 18000, 6], 
        [0, 21, 13189, 2], 
        [1, 32, 58766, 2]] 

df = pd.DataFrame(data, columns = ['Gender', 'Age', 'Amount','Dependents']) 

我有一个numpy数组

arr = numpy.array([[1, 15, 42135, 4],
       [1, 23, 13889, 5],
       [0, 21, 13189, 2]])

在这里，我想在数据框'data'（比如'Good_Bad'）中创建一个新列，如果数组存在于数据中，则使用1

结果应该是这样的

data = [[0, 10, 22000, 3, 0], 
        [1, 15, 42135, 4, 1], 
        [0, 14, 13526, 5, 0],
        [0, 16, 32156, 3, 0], 
        [1, 23, 13889, 5, 1], 
        [0, 18, 18000, 6, 0], 
        [0, 21, 13189, 2, 1], 
        [1, 32, 58766, 2, 0]] 

记录2、5、7在新列中有1，其他记录有0。不确定如何映射数组和数据帧。

方法#1

矢量化的-

在较新版本（>=v0.24）上，使用

dfc.to\u numpy（copy=False）

代替

dfc.values

方法2

这是一个具有

视图

的视图，用于内存和性能效率-

# https://stackoverflow.com/a/45313353/ @Divakar
def view1D(a, b): # a, b are arrays
    # This function gets 1D view into 2D input arrays
    a = np.ascontiguousarray(a)
    b = np.ascontiguousarray(b)
    void_dt = np.dtype((np.void, a.dtype.itemsize * a.shape[-1]))
    return a.view(void_dt).ravel(),  b.view(void_dt).ravel()

D,A = view1D(dfc,arr)
df['Good_Bad'] = np.isin(D,A).astype(int)

---

如果数据有bool列，则all（）不会applied@hanzgs如果df中有多余的列不包括在映射中，则只选择cols REQUD进行映射。因此，在代码中的所有位置将

df

替换为

df[[‘性别’、‘年龄’、‘金额’、‘受抚养人’]

。这回答了你的问题吗？

# https://stackoverflow.com/a/45313353/ @Divakar
def view1D(a, b): # a, b are arrays
    # This function gets 1D view into 2D input arrays
    a = np.ascontiguousarray(a)
    b = np.ascontiguousarray(b)
    void_dt = np.dtype((np.void, a.dtype.itemsize * a.shape[-1]))
    return a.view(void_dt).ravel(),  b.view(void_dt).ravel()

D,A = view1D(dfc,arr)
df['Good_Bad'] = np.isin(D,A).astype(int)