python - 当元组中每个位置的值来自不同的列表时，从元组序列创建值索引数组

Question

这很难解释，但我有一个元组列表，其中每个元组的长度为 n，每个元组中项目的可能值都包含在一组列表中(元组中的每个位置都有一个列表)。

举个简单的例子，我的元组列表可能是

sequence = [('b', 1), ('c', 2), ('c', 1), ('a', 3), ('c', 2), ('a', 3)]

可能值的列表是:

state_lists = [['a', 'b', 'c'], [1, 2, 3, 4]]

我想要一种类似于 sequence 的有效方法来创建列表或数组(首选整数数组)，但每个值都由 state_lists 中相应列表中的索引替换.

这是一种利用 np.searchsorted 的解决方案。不幸的是，这个函数只支持一维数组:

import numpy as np
sequence_as_array = np.array(sequence)
sequence_indexes = [
    np.searchsorted(states, sequence_as_array[:, i])
    for i, states in enumerate(state_lists)
]
lookup_array = np.vstack(sequence_indexes).T
print(lookup_array)

[[1 0]
 [2 1]
 [2 0]
 [0 2]
 [2 1]
 [0 2]]

有没有更简单的方法来做到这一点(例如，不使用 for 循环，将 sequence 转换为数组并避免 vstack)？

它一定是一个通用的解决方案，因为元组的长度可能大于2，并且数据类型可以是float、int或string。

替换值的原因是为了创建一个查找数组以实现快速索引，并且比存储原始值占用更少的内存。 序列的长度可能超过10,000。

Answer 1

实现此目的的一种有效方法是使用 pandas 中对分类序列的内置支持:

import pandas as pd
sequence = [('b', 1), ('c', 2), ('c', 1), ('a', 3), ('c', 2), ('a', 3)]
df = pd.DataFrame(sequence, dtype='category')

print(df[0].cat.categories.to_numpy())
# ['a', 'b', 'c']

print(df[0].cat.codes.to_numpy())
# [1 2 2 0 2 0]

Pandas 对于此类事情具有相当优化的代码路径，您可以在您的用例中利用它们，而无需自己重新实现它们。