如何使用列的值在 ndarray 上合并 2 个 numpy ndarray？

Question

我有 2 个 ndarray：

a = np.array([[1,2], [5,0], [6,4]])
b = np.array([[1,10],[6,30], [5,20]])

我希望将它们合并到一个数组中：

[[ 1  2 10]
 [ 5  0 20]
 [ 6  4 30]]

有人知道通过第 0 列的值合并 2 个数组的非迭代模式吗？

我发现只有这样：

import numpy as np

a = np.array([[1,2], [5,0], [6,4]])
b = np.array([[1,10],[6,30], [5,20]])
new0col = np.zeros((a.shape[0],1), dtype=int)
a = np.append(a, new0col, axis=1)
l1 = a[:,0].tolist()
l2 = b[:,0].tolist()
for i in l2:
    a[l1.index(i),2] = b[l2.index(i),1]
print(a)

Answer 1

你可以使用numpy.searchsorted:

c = np.c_[a, b[np.searchsorted(a[:, 0], b[:, 0]), 1]]

print(c)

array([[ 1,  2, 10],
       [ 5,  0, 20],
       [ 6,  4, 30]])

分解一下，注意应用于b 的行索引会为b[:, 0] 中的每个值检索a[:, 0] 的索引：

print(np.searchsorted(a[:, 0], b[:, 0]))

[0 2 1]

Answer 2

我用 pandas 找到了一个替代解决方案，效率低于 numpy，但我也希望发布它，因为我认为这很有启发性。 给我jpp 的好解决方案（我不知道那个方法），有一个限制，a 和 b 必须有相同的键。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import pandas as pd
import numpy as np

def merge_w_np(a, b):
    zeros = np.zeros((a.shape[0], np.shape(b)[1] -1), dtype=int)
    a = np.append(a, zeros, axis=1)
    l1 = a[:,0].tolist()
    for j, i in enumerate(b[:,0].tolist()):
        a[l1.index(i),2] = b[j,1]
    print(a)

def merge_w_pd(a, b):
    dfa = pd.DataFrame(data=a,                      # values
                       index=a[:,0])                # 1st column as index
    dfb = pd.DataFrame(data=b,                      # values
                       index=b[:,0])                # 1st column as index
    dfa.columns = ['id', 'value']
    dfb.columns = ['id', 'value']
    # print('a',dfa)
    # print('b',dfb)
    dfc = dfa.merge(dfb, left_on='id', right_on='id', how='outer')
    print(dfc)

a = np.array([[1,2], [2,8], [5,0], [6,4], [7,9]])
b = np.array([[1,10],[6,30], [5,20]])
merge_w_np(a, b)
merge_w_pd(a, b)