python - 列表理解与 np.where 比较两个数组并将它们组合起来，它的第一个条目是相等的

Question

我想要一个数组“set1”，它包含数组“a”的前四行，然后如果一行的第一个值/元素与“a”和“d”相同，则出现另一个区别取决于“d”的第二个值:

• 如果“d”一行中的第二个值是=1 -> a中“d”的第三个值行被写在行的第四元素的“set1”中
• 如果“d”一行中的第二个值是=2 -> a中“d”的第三个值row 写在 "set1"中 fifth element of the row
• 如果“d”一行中的第二个值是=3 -> a中“d”的第三个值行写在行的第六元素的“set1”中“a”第一个位置的一个值在“d”中出现 0-3 次

我到目前为止:

---

a=np.array(([5,2,3,4],[3,22,23,24],[2,31,32,34],[1,41,42,44],[4,51,52,54],[6,61,62,64]))
d=np.array(([2,3,5],[4,1,4],[2,1,2],[5,3,1],[6,2,44],[5,1,3],[1,3,55],[1,1,6]))
set1= np.zeros((a.shape[0],a.shape[1]+3),dtype="int")
set1[:,:4] = a[:,:]
for i in (set1[:,0]-1):
     j=np.where(d[:,0]==set1[i,0])
     if len(j[0])==1:
        if d[j[0],1]==1:
           set1[i,4]=d[j[0],2]
        elif d[j[0],1]==2:
           set1[i,5]=d[j[0],2]
        elif d[j[0],1]==3:
           set1[i,6]=d[j[0],2]
print(set1)

---

我的代码只有在只有 一次 出现相同数量的第一个元素时才有效(在这种情况下，只显示集合 1"6 61 62 64 0 44 0"的最后一行正确)。在所有其他情况下，不会存档所需的输出。例如显示第五行:

[5 51 52 54 0 0 0]

而不是想要的

[5 51 52 54 3 0 1]

是否有更“pythonic”的方式来做到这一点？比较第一个元素并根据上述规则组合元素(1 --> 第 4 个元素，等等)？

[编辑] 更改数字以避免混淆 ID 与索引

Answer 1

d 的前两列是 set1 中的索引，您要将值放在 d 的第三列中，稍作修正后。从那里开始，就像使用我在评论中链接到的索引模式一样简单。

完整示例:

a=np.array((
        [1,2,3,4],
        [2,22,23,24],
        [3,31,32,34],
        [4,41,42,44],
        [5,51,52,54],
        [6,61,62,64]))

d=np.array((
        [2,3,5],
        [4,1,4],
        [2,1,2],
        [5,3,1],
        [6,2,44],
        [5,1,3],
        [1,3,55],
        [1,1,6]))

# allocate the result array
m, n = a.shape
res = np.zeros((m, n+3))
res[:m, :n] = a

# do the work
i, j, values = d.T
res[i-1, j+3] = values

这样

>>> res
array([[  1.,   2.,   3.,   4.,   6.,   0.,  55.],
       [  2.,  22.,  23.,  24.,   2.,   0.,   5.],
       [  3.,  31.,  32.,  34.,   0.,   0.,   0.],
       [  4.,  41.,  42.,  44.,   4.,   0.,   0.],
       [  5.,  51.,  52.,  54.,   3.,   0.,   1.],
       [  6.,  61.,  62.,  64.,   0.,  44.,   0.]])

---

如果d的第一列不是索引...

在 d 的第一列不是索引的一般情况下，您需要查找 d[:,0] 的每个条目的位置在 a 中。渐进地执行此操作的最快方法是使用哈希表，但实际上，执行此操作的足够快的方法是使用 np.searchsorted:

a=np.array((
        [5,2,3,4],
        [3,22,23,24],
        [2,31,32,34],
        [1,41,42,44],
        [4,51,52,54],
        [8,61,62,64]))

d=np.array((
        [2,3,5],
        [4,1,4],
        [2,1,2],
        [5,3,1],
        [8,2,44],
        [5,1,3],
        [1,3,55],
        [1,1,6]))

# allocate the result array
m, n = a.shape
res = np.zeros((m, n+3))
res[:m, :n] = a

# do the work
i, j, values = d.T

ids = a[:, 0]
sort_ix = np.argsort(ids)
search_ix = np.searchsorted(ids, i, sorter=sort_ix)
id_map = sort_ix[search_ix]
res[id_map, j+3] = values

这样

>>> res
array([[  5.,   2.,   3.,   4.,   3.,   0.,   1.],
       [  3.,  22.,  23.,  24.,   0.,   0.,   0.],
       [  2.,  31.,  32.,  34.,   2.,   0.,   5.],
       [  1.,  41.,  42.,  44.,   6.,   0.,  55.],
       [  4.,  51.,  52.,  54.,   4.,   0.,   0.],
       [  8.,  61.,  62.,  64.,   0.,  44.,   0.]])

注意:如果d[0, :]有连续的整数1, ..., n，但不一定按顺序，那么你可以避免排序而只使用直接查找表。将上面注释后的位替换为:

# do the work
i, j, values = d.T

ids = a[:, 0]
id_map = np.zeros_like(ids)
id_map[ids-1] = np.arange(len(ids))

res[id_map[i-1], j+3] = values