将标签数组映射到熊猫系列中的值

Question

这可能是错误的通用方法，但我正在尝试使用 Pandas 系列作为一些字符串/标签的 numpy 数组的查找表：

import pandas as pd
import numpy as np

data_map = pd.Series([2, 4, 6, 0, 1], index=list('abcde'))
lab1d = np.array(['a', 'd', 'd', 'c'])
lab2d = np.array([['d', 'e'],
                  ['e', 'd'],
                  ['c', 'a'],
                  ['a', 'b']])

val1d = data_map.loc[lab1d]
val2d = data_map.loc[lab2d]

如果我这样做，val1d 会正确解析为：

a    2
d    0
d    0
c    6
dtype: int64

但是val2d = data_map.loc[lab2d] 提出了ValueError：

ValueError: Cannot index with multidimensional key

我想我明白了这不起作用的原因，但正确的方法是获取包含索引值的大小 (m x n) 的 numpy.ndarray 并返回（可以转换为的东西）numpy.ndarray size (m x n) 包含对应的值吗？

编辑 我曾考虑将数据存储在字典中并使用numpy.vectorize（如this question 所示），这绝对是我的后备方案，但我想澄清一下我有兴趣知道是否有办法使用一些 pandas 方法。

编辑 2 我应该澄清一下，我实际上是在寻找遵循广播规则的东西，例如：

dmd = data_map.to_dict()
make_map = np.vectorize(dmd.__getitem__)

val1d = make_map(lab1d)
val2d = make_map(lab2d)

val1d 的返回值：

array([2, 0, 0, 6])

对于 val2d 返回：

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

Answer 1

这是使用np.searchsorted 的矢量化方法 -

data_map[np.searchsorted(np.array(data_map.index),lab1d)]
data_map[np.searchsorted(np.array(data_map.index),lab2d)]

示例运行 -

>>> data_map = pd.Series([2, 4, 6, 0, 1], index=list('abcde'))
>>> lab1d = np.array(['a', 'd', 'd', 'c'])
>>> lab2d = np.array([['d', 'e'],
...                   ['e', 'd'],
...                   ['c', 'a'],
...                   ['a', 'b']])
>>> data_map[np.searchsorted(np.array(data_map.index),lab1d)]
a    2
d    0
d    0
c    6
dtype: int64
>>> data_map[np.searchsorted(np.array(data_map.index),lab2d)]
array([[0, 1],
       [1, 0],
       [6, 2],
       [2, 4]])

Answer 2

您可以将数组展平，然后重塑：

data_map[lab2d.ravel()].reshape(lab2d.shape)