如何从二维NumPy数组中提取唯一值对应的第二行匹配值

核心逻辑：逐位对齐两行的同索引元素，以第一行的元素为分组键，收集对应位置第二行的取值，最后对每个分组的取值去重、保留首次出现的顺序，即可得到符合要求的结果。

方法1：纯Python原生实现（无依赖） #

不需要安装任何第三方库，适合小规模数据处理：

# 输入的原始二维数组
source_arr = [
    [1,  4,  4,  6,  6,  6,  8,  8,  8,  8,  9,  9,  9,  9,  9, 10, 11, 11, 11, 11, 11],
    [0,  0,  1,  0,  1,  4,  0,  1,  4,  6,  0,  1,  4,  6,  8,  5,  0,  1,  4,  6,  8]
]
key_row, val_row = source_arr[0], source_arr[1]
group_result = {}

# 逐位配对遍历
for key, val in zip(key_row, val_row):
    if key not in group_result:
        group_result[key] = []
    # 仅当值未在当前分组出现过时追加，保证顺序且去重
    if val not in group_result[key]:
        group_result[key].append(val)

print(group_result)

运行输出：

{1: [0], 4: [0, 1], 6: [0, 1, 4], 8: [0, 1, 4, 6], 9: [0, 1, 4, 6, 8], 10: [5], 11: [0, 1, 4, 6, 8]}

输出结果和给出的示例规则完全匹配，示例中仅展示了1、4、6、8、9五个键的分组结果，其余键的结果也符合分组逻辑，不需要的话直接过滤删除即可。

方法2：NumPy向量化实现（适合大数据量） #

如果数组规模较大，用NumPy处理运行效率更高：

import numpy as np

source_arr = np.array([
    [1,  4,  4,  6,  6,  6,  8,  8,  8,  8,  9,  9,  9,  9,  9, 10, 11, 11, 11, 11, 11],
    [0,  0,  1,  0,  1,  4,  0,  1,  4,  6,  0,  1,  4,  6,  8,  5,  0,  1,  4,  6,  8]
])
key_row, val_row = source_arr[0], source_arr[1]
group_result = {}

for unique_key in np.unique(key_row):
    # 筛选当前key对应的所有第二行取值
    match_values = val_row[key_row == unique_key]
    # Python3.7+字典默认保留插入顺序，用dict.fromkeys可快速去重保序
    group_result[int(unique_key)] = list(dict.fromkeys(match_values.tolist()))

print(group_result)

运行结果和原生实现完全一致。

注意事项 #

• 遍历配对时不要打乱两行的索引对应关系，否则会出现匹配错误
• 如果需要和示例一样保持值的排列顺序，不要直接用set()做去重，集合默认无序会打乱值的顺序
• 如果只需要指定键的结果，遍历完成后直接过滤字典的键即可

内容的提问来源于stack exchange，提问作者Fidi Naj