Numpy：是否可以使用Numpy和ndarray替换此代码段中的循环？

Question

我在寻找一个更聪明更好的解决方案。在

我想根据标签内容对数字字段应用不同的缩放因子。希望下面的代码可以说明我要实现的目标：

PS = [('A', 'LABEL1', 20),
('B', 'LABEL2', 15),
('C', 'LABEL3', 120),
('D', 'LABEL1', 3),]

FACTOR = [('LABEL1', 0.1), ('LABEL2', 0.5), ('LABEL3', 10)]

d_factor = dict(FACTOR)

for p in PS:
        newp = (p[0], p[1], p[2]*d_factor[p[1]])
        print newp

这是一个非常简单的操作，但是我需要在至少有一百万行的数据集上执行它。在

所以，当然，越快越好。在

这些因素将被提前知道，它们的数量不会超过20到30个。在

1. 有什么矩阵或利纳格的把戏可以用吗？

2. ndarray可以接受单元格中的文本值吗？

Answer 1

如果比较两个numpy数组，就会得到相应的索引。您可以使用这些索引来执行集合操作。这可能不是最快的修改，但它简单明了。如果PS需要您显示的结构，可以使用自定义dtype并使用Nx3数组。在

import numpy as np

col1 = np.array(['a', 'b', 'c', 'd'])
col2 = np.array(['1', '2', '3', '1'])
col3 = np.array([20., 15., 120., 3.])

factors = {'1': 0.1, '2': 0.5, '3': 10, }

for label, fac in  factors.iteritems():
    col3[col2==label] *= fac

print col3