两个具有重复值的Numpy数组之间的快速索引映射

我试图在两个Numpy数组之间编写一个连接操作,惊讶地发现Numpy的 recfunctions.join_by 不处理重复值。

我采取的方法是使用要连接的列,并在它们之间找到索引映射。从网上看,大多数仅Numpy的解决方案都存在无法处理重复的问题(您将在代码部分看到我的意思)。

如果可能的话,我希望完全留在Numpy库中,以利用矢量化操作,所以理想情况下没有原生Python代码、Pandas(出于其他原因)或Numpy索引。

以下是我研究过的几个问题:

A way to map one array onto another in numpy? Find index mapping between two numpy arrays Numpy: For every element in one array, find the index in another array Index mapping between two sorted partially overlapping numpy arrays

例如,数组 X 和 Y 它们将使用来自它们中的每一个的柱连接, x 和 y 分别。

映射定义为,以及 f 这就是我想要的

mapping = f(x, y)

x = y[mapping]

例如,

x = np.array([1,1,2,100])
y = np.array([1,2,3,4,5,6,7])


mapping = [0, 0, 1, -] # '-' indicates masked
x = y[mapping] 

从网上查看类似问题,找到以下映射 x 到 y 有 np.where(np.isin(x,y)) 其对值进行重复数据消除。还有 np.searchsorted(x,y) 它不处理中的重复项 x 完全。我想知道是否还有别的办法。

由于中的重复,以下不是正确的映射 x

import numpy as np

x = np.array([1,1,2,100])
y = np.array([1,2,3,4,5,6,7])

mapping = np.searchsorted(x, y)
# [0 2 3 3 3 3 3]

这也不是一个正确的映射,因为映射的长度需要与 x .

import numpy as np

x = np.array([1,1,2,100])
y = np.array([1,2,3,4,5,6,7])

mapping = np.where(np.isin(x, y))[0]
# [0, 1, 2]