我试图从一个整数’标志’的ndarray：

array([[1, 3, 2],
       [2, 0, 3],
       [3, 2, 0],
       [2, 0, 1]])

一个字符串的ndarray：

array([['Banana', 'Celery', 'Carrot'],
       ['Carrot', 'Apple', 'Celery'],
       ['Celery', 'Carrot', 'Apple'],
       ['Carrot', 'Apple', 'Banana']],
      dtype='|S6')

使用字符串列表作为’flags’到’含义’的映射：

meanings = ['Apple', 'Banana', 'Carrot', 'Celery']

我想出了以下内容：

>>> import numpy as np
>>> meanings = ['Apple', 'Banana', 'Carrot', 'Celery']
>>> flags = np.array([[1,3,2],[2,0,3],[3,2,0],[2,0,1]])
>>> flags
array([[1, 3, 2],
       [2, 0, 3],
       [3, 2, 0],
       [2, 0, 1]])
>>> mapped = np.array([meanings[f] for f in flags.flatten()]).reshape(flags.shape)
>>> mapped
array([['Banana', 'Celery', 'Carrot'],
       ['Carrot', 'Apple', 'Celery'],
       ['Celery', 'Carrot', 'Apple'],
       ['Carrot', 'Apple', 'Banana']],
      dtype='|S6')

这是有效的,但我关注处理大型ndarray时相关行的效率(list comp,flatten,reshape)：

np.array([meanings[f] for f in flags.flatten()]).reshape(flags.shape)

是否有更好/更有效的方式来执行这样的映射？

解决方法:

花哨的索引是这样做的numpythonic方式：

mapped = meanings[flags]

或通常更快的等价物：

mapped = np.take(meanings, flags)