从非常大的输入数组中获取参考数组中对应值的数组答案

【问题标题】：Get an array of corresponding values in a reference array from very big input array从非常大的输入数组中获取参考数组中对应值的数组
【发布时间】：2021-12-12 21:52:46
【问题描述】：

我有以下数组：

table = np.array([
[1.0, 1.0, 3.0, 5.0],
[1.0, 2.0, 5.0, 3.0],
...
[2.0, 5.0, 2.0, 1.0],
[8.0, 9.0, 7.0, 2.0]])

让我们分别用 ['a', 'b', 'm', 'n'] 来命名不同的列。

"table" 是我的参考表，我想提取 'm' 和 'n' 给定的 'a' 和 'b' 包含在我们将称为 'my_list' 的列表中。在该列表中，我们允许重复对 (a, b)。

注意：这里的列表可以称为数组（不是python意义上的）

使用 for 循环更容易做到这一点。但是，对于我的问题，我的列表 'my_list' 可以包含超过 100000 对（a，b），因此使用 for 循环对我的工作来说并不是最佳选择。如何在几行（1 到 3 行）中使用 numpy 函数或 pandas 函数？

我想要的一个例子：给定以下列表

my_list = np.array([
[1.0, 2.0],
[1.0, 2.0],
[8.0, 9.0]])

我想得到以下结果：

results = np.array([
[5.0, 3.0],
[5.0, 3.0],
[7.0, 2.0]])

提前谢谢你

编辑 1：与 for 循环等价

这里是 for 循环的等价物（使用 for 循环的最简单方法，没有二分搜索）：

result = []
for x in my_list:
    for y in table:
        if (x[0] == y[0]) and (x[1] == y[1]):
            result.append([y[2], y[3]])
        break

print(results)

【问题讨论】：

在 for 循环中说明您的操作，因为我不清楚您的任务。
@sehan2 我刚穿上

标签： python pandas numpy filter

【解决方案1】：

使用 pandas 的一种可能方法是执行 inner merge

pd.DataFrame(table).merge(pd.DataFrame(my_list))[[2, 3]].to_numpy()

array([[5., 3.],
       [5., 3.],
       [7., 2.]])

【讨论】：

谢谢，它有效。我希望在计算时间方面是最优的。
是的，当有很多匹配对时，我相信这应该比基于循环的方法更快。