Question

我有2个2D numpy数组：

a = np.array([['a', 'b', 'c'], ['d', 'e', 'f']])
b = np.array([[0.01, 0.02, 0.03], [0.04, 0.05, 0.06]])

我有一个带有一些价值观的词典：

d = {'a': 100, 'b': 200, ... 'f':600}

现在我想创建一个基于前2个和我的dict的2D数组。像这样：

c = b * d[a]

换句话说，我想使用与同一索引处的数组b中的值对应的特定值（从dict d检索）来操作数组a。 / p>

c = np.array([[1, 4, 9], [16, 25, 36]])

除了嵌套循环之外，还有什么方法可以做到这一点吗？

Answer 1

您可以使用d.get方法上的vectorize功能将a的值用作d的键：

>>> np.vectorize(d.get)(a)
array([[100, 200, 300],
       [400, 500, 600]])

请注意，这是在幕后实现的循环，因此它不会给你很多（如果有的话）性能优势。

您可以将其合并为一行：

>>> b*np.vectorize(d.get)(a)
array([[  1.,   4.,   9.],
       [ 16.,  25.,  36.]])

Answer 2

这是一种在整个过程中使用NumPy函数的矢量化方法 -

# Convert strings in a to numeric labels
aID = (np.fromstring(a, dtype=np.uint8)-97).reshape(a.shape)

# Get the argsort for getting sorted keys from dictionary
dk = d.keys()
sidx = np.searchsorted(sorted(dk),dk)

# Extract values from d and sorted by the argsort indices.
# Then, index with the numeric labels from a and multiply with b.
d_vals= np.take(d.values(),sidx)
out = b*d_vals[aID]

请注意，假设键是单字符串。如果它们不是那种格式，您可以使用np.unique获取与a中元素相对应的数字标签，如此 -

aID = np.unique(a,return_inverse=True)[1].reshape(a.shape)

运行时测试

在本节中，让我们使用那些6 keys和更大的数组，并记录迄今为止发布的所有方法，包括问题中建议的原始方法 -

In [238]: def original_app(a,b,d): # From question
     ...:     c = np.zeros(a.shape)
     ...:     for i in range(a.shape[0]):
     ...:         for j in range(a.shape[1]):
     ...:             c[i,j] = b[i,j] * d[a[i,j]]
     ...:     return c
     ...: 
     ...: def vectorized_app(a,b,d): # Proposed code earlier
     ...:     aID = (np.fromstring(a, dtype=np.uint8)-97).reshape(a.shape)
     ...:     dk = d.keys()
     ...:     sidx = np.searchsorted(sorted(dk),dk)
     ...:     d_vals= np.take(d.values(),sidx)
     ...:     return b*d_vals[aID]
     ...: 

In [239]: # Setup inputs
     ...: M, N = 400,500 # Dataisze
     ...: d = {'a': 600, 'b': 100, 'c': 700, 'd': 550, 'e': 200, 'f':80}
     ...: strings = np.array(d.keys())
     ...: a = strings[np.random.randint(0,6,(M,N))]
     ...: b = np.random.rand(*a.shape)
     ...: 

In [240]: %timeit original_app(a,b,d)
1 loops, best of 3: 219 ms per loop

In [241]: %timeit b*np.vectorize(d.get)(a) # @TheBlackCat's solution
10 loops, best of 3: 34.9 ms per loop

In [242]: %timeit vectorized_app(a,b,d)
100 loops, best of 3: 3.17 ms per loop

In [243]: np.allclose(original_app(a,b,d),vectorized_app(a,b,d))
Out[243]: True

In [244]: np.allclose(original_app(a,b,d),b*np.vectorize(d.get)(a))
Out[244]: True

Numpy：基于dict的值创建2D数组，使用其他2D数组值作为索引

2 个答案: