获取 Pytables 一维数组中的值索引

Question

我现在正在为大学编写代码，它可以处理大量数据，使用带有各种矩阵/矩阵的 Pytables，以免内存溢出，到目前为止它运行良好。

现在我需要为多个不同的字符串分配一个整数标识符（从 0 到其他），存储分配并能够将相应的整数分配给某个字符串，反之亦然。当然，普通类型是不行的，字符串太多了，所以我需要使用像 Pytables 这样的文件。

我想只使用一维 Pytables EArray（因为我不知道会有多少个字符串），将字符串存储在那里，并让每个元素的索引成为字符串的分配整数标识符。

这是我想使用的一个例子：

import tables as tb, numpy as np

>>>file = tb.open_file("sample_file.hdf5", mode='w')
>>>sample_array = file.create_earray(file.root, 'data', tb.StringAtom(itemsize=50),
 shape=(0,), expectedrows=10000)
>>>sample_array.append(np.array(["String_value"]))

这样我可以获得给定整数的字符串值，就像在任何普通数组中一样

>>>sample_array[0]
b'String_value'

但我一生都无法找到相反的方法，找到给定字符串的索引，我只是想出更荒谬的做事方式......

>>> sample_array[np.where("String_value") in sample_array]
b'String_value'
>>> sample_array[np.where("String_value")]
array([b'String_value'], dtype='|S50')
>>> np.where("String_value") in sample_array
False

提前谢谢你！

编辑：

忘记更新了，我是在做其他事情的时候才弄明白的……用力捂脸，非常用力，真的很愚蠢，但我几个小时都想不通出了什么问题。

np.where(sample_array[:] == b'String_value')
>>>(array([0]),)

Answer 1

OP 在上面回答了他的问题。但是，它隐藏在 EDIT: 下，因此在搜索结果中并不明显（或对于普通读者而言）。此外，还有另一种解决问题的方法（使用 Table 而不是 Earray）。这提供了两种方法的比较。

OP 的 Earray 解决方案（有一些点缀）：

import tables as tb, numpy as np
h5f = tb.open_file("sample_file.hdf5", mode='w')
sample_array = h5f.create_earray(h5f.root, 'data', tb.StringAtom(itemsize=50),
               shape=(0,), expectedrows=10000)
sample_array.append(np.array(['str_val0']))
sample_array.append(np.array(['str_val10']))
sample_array.append(np.array(['str_val20']))
sample_array.append(np.array(['str_val30']))
sample_array.append(np.array(['str_val40']))
print (sample_array[0])
print (sample_array[-1])
print (np.where(sample_array[:] == b'str_val0'))
print (np.where(sample_array[:] == b'str_val40'))
print ('\n')

h5f.close()

输出如下所示：

b'str_val0'
b'str_val40'
(array([0], dtype=int64),)
(array([4], dtype=int64),)

我使用表格的方法：
我喜欢 Pytables 中的表格。它们很方便，因为它们有多种内置的搜索和迭代方法（在这种情况下使用 .get_where_list()；还有很多其他方法）。此示例显示从 np.recarray 创建表（使用 dtype 定义字段/列，并使用数据填充表）。稍后使用 .append() 方法添加其他数据行。

import tables as tb, numpy as np
h5f = tb.open_file("sample_file.hdf5", mode='w')

simple_recarray = np.recarray((4,),dtype=[('tstr','S50')])
simple_recarray['tstr'][0] = 'str_val1'
simple_recarray['tstr'][1] = 'str_val2'
simple_recarray['tstr'][2] = 'str_val10'
simple_recarray['tstr'][3] = 'str_val20'

simple_table = h5f.create_table(h5f.root, 'table_data', simple_recarray, 'Simple dataset')

print (simple_table.get_where_list("tstr == b'str_val1'"))
print (simple_table.get_where_list("tstr == b'str_val20'"))

simple_table.append([('str_val30',), ('str_val31',)])

print (simple_table.get_where_list("tstr == b'str_val31'"))

h5f.close()

输出如下所示（略有不同的 b/c 字符串未存储在数组中）：

[0]
[3]
[5]