如果行匹配，则将列添加到具有来自另一个数组中某个位置的值的数组答案

【问题标题】：Add a column to an array with values from a position in another array if rows match如果行匹配，则将列添加到具有来自另一个数组中某个位置的值的数组
【发布时间】：2021-12-24 20:44:40
【问题描述】：

我有两个数组，一个看起来像这样：

[[1 2 1 0 2 0 1]
[1 2 1 0 2 0 1]
[1 2 1 0 2 0 1]
[1 2 1 0 2 0 1]
[0 1 2 1 0 0 2]
[0 1 2 1 0 0 2]
[0 0 1 0 1 0 3]
[0 0 0 1 1 0 4]
[0 0 0 0 1 0 5]
[0 0 0 0 0 1 6]]

另一个是这样的：

[[1 2 1 0 2 0]
[1 1 1 0 2 0]
[1 1 1 0 2 0]
[1 2 1 0 2 0]
[0 3 2 2 0 0]
[0 1 2 1 0 0]
[0 2 1 2 1 0]
[0 0 0 1 1 0]
[0 0 0 0 1 0]
[0 0 0 0 0 1]
     ...
 [0 3 2 2 0 0]
[0 1 2 1 0 0]
[0 2 1 2 1 0]
[0 0 0 1 1 0]
[0 0 0 0 1 0]
[0 0 0 0 0 1]]

每当第二个数组中的一行与第一个数组中的前六个值匹配时，我需要将第一个数组的最后一个元素（第 7 个元素）添加到匹配的第二个数组行的末尾以及何时匹配不匹配添加 0。结果如下所示：

[[1 2 1 0 2 0 1]
[1 1 1 0 2 0 0]
[1 1 1 0 2 0 0]
[1 2 1 0 2 0 1]
[0 3 2 2 0 0 0]
[0 1 2 1 0 0 2]
[0 2 1 2 1 0 0]
[0 0 0 1 1 0 4]
[0 0 0 0 1 0 5]
[0 0 0 0 0 1 6]
     ...
[0 3 2 2 0 0 0]
[0 1 2 1 0 0 2]
[0 2 1 2 1 0 0]
[0 0 0 1 1 0 4]
[0 0 0 0 1 0 5]
[0 0 0 0 0 1 6]]

【问题讨论】：

标签： arrays numpy matrix numpy-slicing

【解决方案1】：

你可以使用：

import numpy as np
m = (B == A[:,None,:6]).all(2)
new_A = np.c_[B, np.where(m.any(0), np.take(A[:,6], m.argmax(0)), 0)]

它是如何工作的：

1-使用广播将B与A的所有行组合（限于前6列）进行比较，并构建一个掩码

2- 使用numpy.where检查条件：如果A中至少有1行匹配，使用numpy.argmax获取第一个匹配的索引，numpy.take从A的最后一列获取值。否则，分配 0。

3- 连接 B 和新建的列

输出：

array([[1, 2, 1, 0, 2, 0, 1],
       [1, 1, 1, 0, 2, 0, 0],
       [1, 1, 1, 0, 2, 0, 0],
       [1, 2, 1, 0, 2, 0, 1],
       [0, 3, 2, 2, 0, 0, 0],
       [0, 1, 2, 1, 0, 0, 2],
       [0, 2, 1, 2, 1, 0, 0],
       [0, 0, 0, 1, 1, 0, 4],
       [0, 0, 0, 0, 1, 0, 5],
       [0, 0, 0, 0, 0, 1, 6],
       [0, 3, 2, 2, 0, 0, 0],
       [0, 1, 2, 1, 0, 0, 2],
       [0, 2, 1, 2, 1, 0, 0],
       [0, 0, 0, 1, 1, 0, 4],
       [0, 0, 0, 0, 1, 0, 5],
       [0, 0, 0, 0, 0, 1, 6]])

输入：

A = [[1, 2, 1, 0, 2, 0, 1],
     [1, 2, 1, 0, 2, 0, 1],
     [1, 2, 1, 0, 2, 0, 1],
     [1, 2, 1, 0, 2, 0, 1],
     [0, 1, 2, 1, 0, 0, 2],
     [0, 1, 2, 1, 0, 0, 2],
     [0, 0, 1, 0, 1, 0, 3],
     [0, 0, 0, 1, 1, 0, 4],
     [0, 0, 0, 0, 1, 0, 5],
     [0, 0, 0, 0, 0, 1, 6]]
A = np.array(A)
 
B = [[1, 2, 1, 0, 2, 0],
     [1, 1, 1, 0, 2, 0],
     [1, 1, 1, 0, 2, 0],
     [1, 2, 1, 0, 2, 0],
     [0, 3, 2, 2, 0, 0],
     [0, 1, 2, 1, 0, 0],
     [0, 2, 1, 2, 1, 0],
     [0, 0, 0, 1, 1, 0],
     [0, 0, 0, 0, 1, 0],
     [0, 0, 0, 0, 0, 1],
     [0, 3, 2, 2, 0, 0],
     [0, 1, 2, 1, 0, 0],
     [0, 2, 1, 2, 1, 0],
     [0, 0, 0, 1, 1, 0],
     [0, 0, 0, 0, 1, 0],
     [0, 0, 0, 0, 0, 1]]
B = np.array(B)

【讨论】：

非常感谢您的回答，这是最后一块拼图。但是，您能否将最终数组分配给这样的变量： r = np.c_[B, np.where(m.any(0), np.take(A[:,6], m.argmax(0) ), 0)] 这是因为我不确定输出是新数组还是 m 的修改就地版本。
@Gus 输出是一个新数组；）
现在我知道输出是一个新数组，但我认为如果你给这个数组一个字母，你的答案会更清楚。这适用于像我这样的其他人，他们还不知道您的命令是新数组还是修改 m 的方法。在最后一个场景中，输出中的数组是 m 而不是一个新数组，但是，由于它是一个新数组以避免混淆，您可以给一个新字母，每个人都会知道不是 m 而是一个全新的数组。当我第一次看到你的答案时，我认为输出数组是 m 所以当我打印 m 结果不匹配时，我意识到我需要分配给 "r"