Python Numpy高效数据处理（一）——获取数组B中每个元素在数组A中的索引值

Python Numpy高效数据处理（一）

做算法的，在工作中经常需要处理大量的数据，python中的for循环实在是太蠢了，写这篇博客主要是记录一下平时在处理大批量数据时，抛弃了for循环的新方法。本文基于python3.7

获取数组B中每个元素在数组A中的索引值

引用头

import numpy as np
import time

传统方法：for循环里使用list的index功能：

如下：

def get_index_from_array2(from_array, purpose_array):
    from_list = list(from_array)
    p_idx = np.in1d(purpose_array, from_array)      #筛选出 purpose_array 存在于 from_array 中存在的项，防止找不到索引而报错
    purpose_idx_in_from = -np.ones(purpose_array.shape).astype(int)     #初始化待返回的索引数组为-1，长度对应purpose_array
    in_len = p_idx.sum()                            #得到筛选之后的总数量
    tmp_p_array = purpose_array[p_idx]              #筛选之后的数组
    tmp_idx = np.zeros(in_len).astype(int)          #临时索引，长度对应筛选之后的数组
    for i in range(in_len):                         #循环得到所有可获取的索引值
        tmp_idx[i] = from_list.index(tmp_p_array[i])
    purpose_idx_in_from[p_idx] = tmp_idx            #待返回的索引数组赋值
    return purpose_idx_in_from

针对所有可能的情况，A可能包含B，也可能不完全包含B，所以先做了筛选，只针对筛选出来的部分查询索引值
调用测试：

purpose_array = np.array(['b', 't', 'd', 'g', 'f', 'f', 'g', 'b', 'g', 'f', 'p', 'd', 'f', 'r', 'g', 'w', 't', 'd', 'e', 'b', 'e'])
from_array = np.array(['e', 'c', 'f', 'a', 'e', 'g', 'f', 'a', 'b', 'd'