带有重复键的 Numpy“内部连接”答案

【问题标题】：Numpy "inner join" with repeating key带有重复键的 Numpy“内部连接”
【发布时间】：2019-02-18 06:59:19
【问题描述】：

我试图使用另一个数组中的“键”来查找数组中的值。不幸的是，由于键的“空间”太大（但稀疏），我无法将其转换为索引技巧（通过使用数组作为索引）。

我找到了“未记录”函数np.lib.recfunctions.join_by，它或多或少允许我通过“键”而不是索引来选择，这里是一个例子：

import numpy as np
from numpy.lib import recfunctions  # necessary!

>>> a = np.array([100,200,500,700,200,500,100,700,200], dtype=[('key','i')])
array([(100,), (200,), (500,), (700,), (200,), (500,), (100,), (700,),
       (200,)], dtype=[('key', '<i4')])

>>> b = np.array([(100,10),(200,20),(500,50),(700,70)], dtype=[('key','i'),('value','i')])
array([(100, 10), (200, 20), (500, 50), (700, 70)],
      dtype=[('key', '<i4'), ('value', '<i4')])

>>> np.lib.recfunctions.join_by('key', a, b, usemask=False)
array([(100,     10), (200,     20), (200, 999999), (500,     50),
       (500, 999999), (500, 999999), (700,     70), (700, 999999),
       (700, 999999)], dtype=[('key', '<i4'), ('value', '<i4')])

原来这个功能不支持重复“按键”。我想知道我怎样才能得到这样的结果

array([(100,10),(200,20),(500,50),(700,70),(200,20),(500,50),(100,10)...])

恰好遵循a的顺序，并有一个额外的查找结果列。任何帮助表示赞赏！

【问题讨论】：

标签： python numpy inner-join record

【解决方案1】：

我发现我可以将所有可能的键重新映射到索引。对于上面的a和b，假设b是排序的，我可以使用

indexOfAInB = np.unique(np.r_[a['key'],b['key']], return_inverse=True)[1][:len(a)]

获取映射。然后我可以使用索引技巧：

B['value'][indexOfAInB]

得到“查找结果”。

由于np.unique 内部排序，我相信这将需要O(nlogn) 时间。不过，欢迎任何有关更好方法的建议！

顺便说一句，这种方法不支持a中的key不在b中

【讨论】：