python - Numpy:使用字典作为映射有效地替换二维数组中的值

Question

我有一个 2D Numpy 整数数组，如下所示:

a = np.array([[  3,   0,   2,  -1],
              [  1, 255,   1,   2],
              [  0,   3,   2,   2]])

我有一个包含整数键和值的字典，我想用它来用新值替换 a 的值。字典可能看起来像这样:

d = {0: 1, 1: 2, 2: 3, 3: 4, -1: 0, 255: 0}

我想用 d 中的相应值替换 a 中与 d 中的键匹配的值。换句话说，d 定义了 a 中旧(当前)值和新(期望)值之间的映射。上面玩具示例的结果是这样的:

a_new = np.array([[  4,   1,   3,   0],
                  [  2,   0,   2,   3],
                  [  1,   4,   3,   3]])

什么是实现它的有效方法？

这是一个玩具示例，但实际上数组会很大，它的形状将是例如(1024, 2048)，字典将有几十个元素的顺序(在我的例子中是 34 个)，虽然键是整数，但它们不一定都是连续的，它们可以是负数(如上例所示)。

我需要在数十万个这样的数组上执行此替换，因此它需要快速。然而，字典是预先知道的并且保持不变，所以渐近地，任何时间用于修改字典或将其转换为更合适的数据结构都没有关系。

我目前正在两个嵌套的 for 循环中遍历数组条目(遍历 a 的行和列)，但必须有更好的方法.

如果 map 不包含负值(例如示例中的 -1)，我将只从字典创建一个列表或数组，其中键是数组索引，然后将其用于高效的 Numpy花哨的索引例程。但是因为也有负值，所以这行不通。

Answer 1

这是一种方法，如果你有一个小的字典/最小值和最大值，这可能更有效，你可以通过添加数组 min 来解决负索引:

In [11]: indexer = np.array([d.get(i, -1) for i in range(a.min(), a.max() + 1)])

In [12]: indexer[(a - a.min())]
Out[12]:
array([[4, 1, 3, 0],
       [2, 0, 2, 3],
       [1, 4, 3, 3]])

注意:这会将 for 循环移动到查找表，但如果它比实际数组小得多，这可能会快得多。