我有这个 numpy 数组
message = [ 97 98 114 97]
还有这本字典
codes = {97: '1', 98: '01', 114: '000'}
我现在遍历 numpy 数组并将这些数字转换为字典中对应的数字,如下所示:
[codes[i] for i in message]
但这真的很慢并且占用大量内存,因为我正在创建一个新列表。有更好的方法吗?也许我仍然拥有相同的 numpy 数组,但使用了这样的新数字?
message = [1 01 000 1]
请您参考如下方法:
这是一个使用 np.searchsorted 的 NumPythonic 解决方案-
np.asarray(codes.values())[np.searchsorted(codes.keys(),message)]
请注意,输出也将是一个 NumPy 数组。如果你想要一个列表输出,用 .tolist() -
np.asarray(codes.values())[np.searchsorted(codes.keys(),message)].tolist()
我认为这种方法的唯一瓶颈是使用 np.asarray() 转换为 NumPy 数组,因为通常 np.searchsorted 非常高效。
sample 运行-
In [36]: message = [ 97, 98, 114, 97]
In [37]: codes = {97: '1', 98: '01', 114: '000'}
In [38]: [codes[i] for i in message]
Out[38]: ['1', '01', '000', '1']
In [39]: np.asarray(codes.values())[np.searchsorted(codes.keys(),message)]
Out[39]:
array(['1', '01', '000', '1'],
dtype='|S3')
