假设我有一个numpy数组，如下所示：数组的形状是（5，3），有超过100万行，类型为numpy对象。
样品阵列：
x = np.array([['A',1,10],['B',1,20],['C',2,80],['D',3,40],['E',2,50]])
我希望实现以下目标：
如果列Y的值存在于另一行中，但仅存在于整个数组集中的列Y中，则检查列X的值，并且它们不相等，然后过滤记录。
Col X Y Z[['A' '1' '10'] ---> filter value '1' from the all values of column Y in entire array['B' '1' '20'] ---> filter value '1' from the all values of column Y in entire array['C' '2' '80'] ---> filter value '2' from the all values of column Y in entire array['D' '3' '40'] ---> filter value '3' from the all values of column Y in entire array['E' '2' '50']] ---> filter value '2' from the all values of column Y in entire array
例如：当检查行号1时，列y值为 *'1'，对于同一行，列x值为 *'A'。因此，第一个过滤器基于列y值“1”;下面的行满足条件。
[['A' '1' '10']*['B' '1'* '20']]
然后根据第1行中列x的值应用第二个过滤器，该值不等于所有其他过滤行列x的值。
所以在这种情况下，行2满足这两个条件。['B' '1'* '20']]
注意：本例显示了两条匹配的记录，但实际上，它可以是一条或多条，并且可以位于任何行位置。
接下来，我想执行的是，对于选定的记录（在本例中为第2行），追加到第1行。
请建议
我试过这段代码，但没有舔：
import numpy as npx = np.array([['A',1,10],['B',1,20],['C',2,80],['D',3,40],['E',2,50]])y = xprint(x)print("Result is:",x[np.where(x[:,1] == y[:,1], np.where(x[:,0] != y[:,0][::-1]),False)])x= --->print(x)[['A' '1' '10']['B' '1' '20']['C' '2' '80']['D' '3' '40']['E' '2' '50']]
结果为：空
2条答案
按热度按时间qlfbtfca1#
你的预期结果真的是这样吗？：
如果是这样，您可以执行以下操作：
然后使用掩码，每行
True值的索引对应于expected_indexes。从这里我看不出你如何在没有for循环的情况下工作，但是繁重的工作已经完成了，你再也没有结构化数组了：
xwbd5t1u2#
你的答案嵌套了两个
np.where，真正起作用的是np.where(x[:,0] != y[:,0][::-1])，它返回x的索引，其中列Y相同，但列X不相等。你要做的就是把索引发送给x。