如何将 Pandas 查找表应用于 numpy 数组？答案

【问题标题】：How to apply a Pandas lookup table to a numpy array?如何将 Pandas 查找表应用于 numpy 数组？
【发布时间】：2018-07-11 06:46:02
【问题描述】：

我有一个这样的熊猫系列：

还有一个像这样的 numpy 数组：

array([[ 0,  0,  9, 11],
       [ 6, 14,  6, 17]])

如何从 numpy 数组中的值到系列中的索引进行查找以获得此：

array([[ 0.3,  0.3,  0.2, 0.3],
       [ 0.6,  0.0,  0.6, 0.1]])

【问题讨论】：

标签： python python-3.x pandas numpy dictionary

【解决方案1】：

通过np.vectorize，带有系列s和数组a：

np.vectorize(s.get)(a)

【讨论】：

【解决方案2】：

使用replace

a=np.array([[ 0,  0,  9, 11],
       [ 6, 14,  6, 17]])
pd.DataFrame(a).replace(df.measure.to_dict()).values
Out[214]: 
array([[0.3, 0.3, 0.2, 0.3],
       [0.6, 0. , 0.6, 0.1]])

【讨论】：

【解决方案3】：

使用np.bincount的有趣方式

np.bincount(s.index.values, s.values)[a]

array([[ 0.3,  0.3,  0.2,  0.3],
       [ 0.6,  0. ,  0.6,  0.1]])

设置

s = pd.Series(
    [.3, .6, .2, .3, .0, .1, .9],
    [0, 6, 9, 11, 14, 17, 23]
)

a = np.array([
    [0, 0, 9, 11],
    [6, 14, 6, 17]
])

【讨论】：

【解决方案4】：

你可以使用 loc 和 reshape：

s = pd.Series({0: 0.3, 6: 0.6, 9: 0.2, 11: 0.3, 14: 0.0, 17: 0.1, 23: 0.9})

a = np.array([[ 0,  0,  9, 11],
             [ 6, 14,  6, 17]])

s.loc[a.flatten()].values.reshape(a.shape)
Out[192]: 
array([[ 0.3,  0.3,  0.2,  0.3],
       [ 0.6,  0. ,  0.6,  0.1]])

或者：

pd.DataFrame(a).applymap(lambda x: s.loc[x]).values
Out[200]: 
array([[ 0.3,  0.3,  0.2,  0.3],
       [ 0.6,  0. ,  0.6,  0.1]])

【讨论】：