numpy數組中的匹配元素

Question

我有兩個numpy數組。 第一個Z1大約長30萬行，寬3列。 第二個Z2大約為200,000行300列。 Z1和Z2的每一行都有一個標識號（10位數字）。 Z2包含Z1中項目的子集，我想基於10位標識號將Z2中的行與其Z1中的伙伴進行匹配，然后從Z1中提取第2列和第3列，並將它們插入到Z2中的末尾他們適當的行。

Z1和Z2都沒有任何特定順序。

我想到的唯一方法是遍歷數組，這需要幾個小時。 在Python中有更好的方法嗎？

謝謝！

Answer 1

我從您的問題中了解到10位標識符存儲在第1列中，對嗎？

這是不是很容易做到，很多間接的事情，但最終unsorted_insert擁有其中的行號Z1的每個標識符Z2是

sort_idx = np.argsort(Z1[:, 0])
sorted_insert = np.searchsorted(Z1[:, 0], Z2[:, 0], sorter=sort_idx)
# The following is equivalent to unsorted_insert = sort_idx[sorted_insert] but faster
unsorted_insert = np.take(sort_idx, sorted_insert)

因此，現在我們要做的就是獲取這些行的最后兩列，並將它們堆疊到Z2數組中：

new_Z2 = np.hstack((Z2, Z1[unsorted_insert, 1:]))

---

一個沒有問題的完整示例：

import numpy as np

z1_rows, z1_cols = 300000, 3
z2_rows, z2_cols = 200000, 300

z1 = np.arange(z1_rows*z1_cols).reshape(z1_rows, z1_cols)

z2 = np.random.randint(10000, size=(z2_rows, z2_cols))
z2[:, 0] = z1[np.random.randint(z1_rows, size=(z2_rows,)), 0]

sort_idx = np.argsort(z1[:, 0])
sorted_insert = np.searchsorted(z1[:, 0], z2[:, 0], sorter=sort_idx)
# The following is equivalent to unsorted_insert = sort_idx[sorted_insert] but faster
unsorted_insert = np.take(sort_idx, sorted_insert)
new_z2 = np.hstack((z2, z1[unsorted_insert, 1:]))

尚未計時，但整個過程似乎在幾秒鍾內完成。