python – 相当于NumPy的合并

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – 相当于NumPy的合并，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1525字，纯文字阅读大概需要3分钟。

内容图文

我正在将一些东西从R转换为Python,并对有效合并感到好奇.我在NumPy中找到了一些连接的东西(使用NumPy进行操作,所以我想坚持使用它),但它没有按预期工作.

拿两个数据集

d1 = np.array([['1a2', '0'], ['2dd', '0'], ['z83', '1'], ['fz3', '0']])

ID      Label
1a2     0
2dd     0
z83     1
fz3     0

和

d2 = np.array([['1a2', '33.3', '22.2'], 
               ['43m', '66.6', '66.6'], 
               ['z83', '12.2', '22.1']])

ID     val1   val2
1a2    33.3   22.2
43m    66.6   66.6
z83    12.2   22.1

我想将这些合并在一起,以便得到结果

d3

ID    Label    val1    val2
1a2   0        33.3    22.2
z83   1        12.2    22.1

因此,它标识了在ID列上匹配的行,然后将它们连接在一起.这在使用合并的R中相对简单,但在NumPy中对我来说不太明显.

有没有办法在NumPy本地执行此操作,而我却错过了？

解决方法:

这是一个使用掩蔽的基于NumPy的解决方案 –

def numpy_merge_bycol0(d1, d2):
    # Mask of matches in d1 against d2
    d1mask = np.isin(d1[:,0], d2[:,0])

    # Mask of matches in d2 against d1
    d2mask = np.isin(d2[:,0], d1[:,0])

    # Mask respective arrays and concatenate for final o/p
    return np.c_[d1[d1mask], d2[d2mask,1:]]

样品运行 –

In [43]: d1
Out[43]: 
array([['1a2', '0'],
       ['2dd', '0'],
       ['z83', '1'],
       ['fz3', '0']], dtype='|S3')

In [44]: d2
Out[44]: 
array([['1a2', '33.3', '22.2'],
       ['43m', '66.6', '66.6'],
       ['z83', '12.2', '22.1']], dtype='|S4')

In [45]: numpy_merge_bycol0(d1, d2)
Out[45]: 
array([['1a2', '0', '33.3', '22.2'],
       ['z83', '1', '12.2', '22.1']], dtype='|S4')

我们还可以使用广播来获取索引,然后使用整数索引来代替屏蔽,就像这样 –

idx = np.argwhere(d1[:,0,None] == d2[:,0])
out = np.c_[d1[idx[:,0]], d2[idx[:,0,1:]

内容总结

以上是互联网集市为您收集整理的python – 相当于NumPy的合并全部内容，希望文章能够帮你解决python – 相当于NumPy的合并所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端