3

我正在尝试从ndarray整数“标志”开始：

array([[1, 3, 2],
       [2, 0, 3],
       [3, 2, 0],
       [2, 0, 1]])

到一个ndarray字符串：

array([['Banana', 'Celery', 'Carrot'],
       ['Carrot', 'Apple', 'Celery'],
       ['Celery', 'Carrot', 'Apple'],
       ['Carrot', 'Apple', 'Banana']],
      dtype='|S6')

使用字符串列表作为“标志”到“含义”的映射：

meanings = ['Apple', 'Banana', 'Carrot', 'Celery']

我想出了以下几点：

>>> import numpy as np
>>> meanings = ['Apple', 'Banana', 'Carrot', 'Celery']
>>> flags = np.array([[1,3,2],[2,0,3],[3,2,0],[2,0,1]])
>>> flags
array([[1, 3, 2],
       [2, 0, 3],
       [3, 2, 0],
       [2, 0, 1]])
>>> mapped = np.array([meanings[f] for f in flags.flatten()]).reshape(flags.shape)
>>> mapped
array([['Banana', 'Celery', 'Carrot'],
       ['Carrot', 'Apple', 'Celery'],
       ['Celery', 'Carrot', 'Apple'],
       ['Carrot', 'Apple', 'Banana']],
      dtype='|S6')

这行得通，但我担心在处理大时相关行的效率（列表比较flatten，，， ） ：reshapendarrays

np.array([meanings[f] for f in flags.flatten()]).reshape(flags.shape)

有没有更好/更有效的方式来执行这样的映射？

4

2 回答 2

3

花式索引是这样做的numpythonic方式：

mapped = meanings[flags]

或通常更快的等价物：

mapped = np.take(meanings, flags)
于 2013-07-16T21:35:21.323 回答
2

我认为这np.vectorize是要走的路，它也非常清晰易懂。我没有测试以下，但它应该工作。

vfunc = np.vectorize(lambda x : meanings[x])

mapped = vfunc(flags)
于 2013-07-16T17:07:02.700 回答