python - 当元组中每个位置的值来自不同的列表时，从元组序列创建值的索引数组

Question

这很难解释，但我有一个元组列表，其中每个元组的长度为 n，每个元组中项目的可能值都包含在一组列表中(元组中的每个位置一个列表)。
为了一个简单的例子，我的元组列表可能是

sequence = [('b', 1), ('c', 2), ('c', 1), ('a', 3), ('c', 2), ('a', 3)]

可能的值列表是:

state_lists = [['a', 'b', 'c'], [1, 2, 3, 4]]

我想要一种有效的方法来创建类似于 sequence 的列表或数组(首选整数数组)但是每个值都由来自 state_lists 的相应列表中的索引替换.
这是一种利用 np.searchsorted 的解决方案.不幸的是，这个函数只支持一维数组:

import numpy as np
sequence_as_array = np.array(sequence)
sequence_indexes = [
    np.searchsorted(states, sequence_as_array[:, i])
    for i, states in enumerate(state_lists)
]
lookup_array = np.vstack(sequence_indexes).T
print(lookup_array)

[[1 0]
 [2 1]
 [2 0]
 [0 2]
 [2 1]
 [0 2]]

有没有更简单的方法来做到这一点(例如，没有 for 循环，将 sequence 转换为数组并避免使用 vstack )？
它必须是一个通用的解决方案，因为元组的长度可能超过 2，并且数据类型可能是 float、int 或 string。
替换值的原因是创建一个查找数组，用于快速索引和比存储原始值更少的内存。 sequence的长度可能超过10,000。

Answer 1

一种有效的方法是使用 pandas 中对分类序列的内置支持:

import pandas as pd
sequence = [('b', 1), ('c', 2), ('c', 1), ('a', 3), ('c', 2), ('a', 3)]
df = pd.DataFrame(sequence, dtype='category')

print(df[0].cat.categories.to_numpy())
# ['a', 'b', 'c']

print(df[0].cat.codes.to_numpy())
# [1 2 2 0 2 0]

Pandas 为这类事情提供了相当优化的代码路径，您可以将其用于您的用例，而无需自己重新实现它们。