如何以第一列为索引拼接两个不同ndarray且不转换为pandas DataFrame

不需要转pandas，直接用NumPy原生接口就能实现，核心是用排序+二分查找做键匹配，效率比纯循环高很多。

实现步骤 #

• 提取两个数组的首列作为匹配键，拼接后排序去重，得到结果集的完整首列
• 初始化形状为(唯一键总数, 3)的结果数组，默认填充np.nan，把排序后的唯一键填入第一列
• 用np.searchsorted分别找到两个原数组的键在完整首列中的索引位置，把原数组第二列的对应值填入结果数组的第二、第三列

可运行代码 #

import numpy as np

# 测试数据
rec_np = np.array([[1, 4], [2, 4], [6, 1], [7, 3]])
test_np = np.array([[2, 5], [3, 1], [11, 3]])

# 提取所有匹配键，排序去重
key_col1 = rec_np[:, 0]
key_col2 = test_np[:, 0]
all_keys = np.sort(np.unique(np.concatenate([key_col1, key_col2])))

# 初始化结果数组，默认填nan
result = np.full(shape=(len(all_keys), 3), fill_value=np.nan)
result[:, 0] = all_keys

# 填充rec_np对应的第二列
pos1 = np.searchsorted(all_keys, key_col1)
result[pos1, 1] = rec_np[:, 1]

# 填充test_np对应的第三列
pos2 = np.searchsorted(all_keys, key_col2)
result[pos2, 2] = test_np[:, 1]

运行输出 #

[[ 1.  4. nan]
 [ 2.  4.  5.]
 [ 3. nan  1.]
 [ 6.  1. nan]
 [ 7.  3. nan]
 [11. nan  3.]]

注意事项 #

• 因为np.nan是浮点类型，最终输出数组的dtype为float，如果需要整数类型，可以把缺失值替换为业务允许的整数占位符（如-999）后再转换数组类型
• 该实现用二分查找做位置匹配，数据量较大时性能远高于Python原生循环或者字典映射方案

内容的提问来源于stack exchange，提问作者Harry