python - 带有复合键的 Numpy 数组；在两者中找到子集

Question

我有两个 2D numpy 数组形状：

(19133L, 12L)
(248L, 6L)

在每种情况下，前 3 个字段形成一个标识符。

我想减少较大的矩阵，使其仅包含带有标识符的行，这些标识符也存在于第二个矩阵中。所以形状应该是（248L，12L）。我怎样才能做到这一点？

然后我想对其进行排序，以便数组由第一个值、第二个值和第三个值索引，以便 (3 3 4) 出现在 (3 3 5) 等之后。是否有多字段排序功能？

编辑：

我试过熊猫：

df1 = DataFrame(arr1.astype(str))
df2 = DataFrame(arr2.astype(str))

df1.set_index([0,1,2])
df2.set_index([0,1,2])

out = merge(df1,df2,how="inner") 
print(out.shape)

但这会导致 (0,13) 形状

Answer 1

使用熊猫。

pandas.set_index()允许多个键。因此，将索引设置为前三列（使用drop=False, inplace=True），以避免不必要地改变或复制您的数据框。

然后，merge(...how='inner')与您的数据框相交。

一般来说，对于任意数据帧操作，numpy 很快就会失去动力。您的默认设置应该是尝试熊猫。性能也更高。