我有两个大小相同的二维数组
a = array([[1,2],[3,4],[5,6]])
b = array([[1,2],[3,4],[7,8]])
我想知道在a中与b相同的行。
因此输出应为:
array([ True, True, False], dtype=bool)
不加任何内容:
array([any(i == a) for i in b])
原因是a和b都非常大。
有一个函数可以做到这一点,但只适用于1D数组: in1d
np.in1d
...但是,np.in1d
只能用于一维数组。我们的数组是多维的。然而,我们可以将这些数组视为由字符串构成的一维数组:arr.view(np.dtype((np.void, arr.dtype.itemsize * arr.shape[-1])))
In [15]: arr = np.array([[1, 2], [2, 3], [1, 3]])
In [16]: arr = arr.view(np.dtype((np.void, arr.dtype.itemsize * arr.shape[-1])))
In [30]: arr.dtype
Out[30]: dtype('V16')
In [31]: arr.shape
Out[31]: (3, 1)
In [37]: arr
Out[37]:
array([[b'\x01\x00\x00\x00\x00\x00\x00\x00\x02\x00\x00\x00\x00\x00\x00\x00'],
[b'\x02\x00\x00\x00\x00\x00\x00\x00\x03\x00\x00\x00\x00\x00\x00\x00'],
[b'\x01\x00\x00\x00\x00\x00\x00\x00\x03\x00\x00\x00\x00\x00\x00\x00']],
dtype='|V16')
arr
的每一行都变成了一个字符串。现在只需要将其与np.in1d
连接起来即可。import numpy as np
def asvoid(arr):
"""
Based on https://dev59.com/mmQn5IYBdhLWcg3wRVRs#16973510 (Jaime, 2013-06)
View the array as dtype np.void (bytes). The items along the last axis are
viewed as one value. This allows comparisons to be performed on the entire row.
"""
arr = np.ascontiguousarray(arr)
if np.issubdtype(arr.dtype, np.floating):
""" Care needs to be taken here since
np.array([-0.]).view(np.void) != np.array([0.]).view(np.void)
Adding 0. converts -0. to 0.
"""
arr += 0.
return arr.view(np.dtype((np.void, arr.dtype.itemsize * arr.shape[-1])))
def inNd(a, b, assume_unique=False):
a = asvoid(a)
b = asvoid(b)
return np.in1d(a, b, assume_unique)
tests = [
(np.array([[1, 2], [2, 3], [1, 3]]),
np.array([[2, 2], [3, 3], [4, 4]]),
np.array([False, False, False])),
(np.array([[1, 2], [2, 2], [1, 3]]),
np.array([[2, 2], [3, 3], [4, 4]]),
np.array([True, False, False])),
(np.array([[1, 2], [3, 4], [5, 6]]),
np.array([[1, 2], [3, 4], [7, 8]]),
np.array([True, True, False])),
(np.array([[1, 2], [5, 6], [3, 4]]),
np.array([[1, 2], [5, 6], [7, 8]]),
np.array([True, True, False])),
(np.array([[-0.5, 2.5, -2, 100, 2], [5, 6, 7, 8, 9], [3, 4, 5, 6, 7]]),
np.array([[1.0, 2, 3, 4, 5], [5, 6, 7, 8, 9], [-0.5, 2.5, -2, 100, 2]]),
np.array([False, True, True]))
]
for a, b, answer in tests:
result = inNd(b, a)
try:
assert np.all(answer == result)
except AssertionError:
print('''\
a:
{a}
b:
{b}
answer: {answer}
result: {result}'''.format(**locals()))
raise
else:
print('Success!')
收益率
Success!
.view(dtype([(´´,a.dtype)*a.shape[1]]))
是您需要的,而且对于任何类型都适用相同的技巧。 - Jaimedtype((np.void, a.dtype.itemsize*a.shape[1]))
。 - Jaimenp.str
是表示字节的数据类型。在Python3中,np.str
表示Unicode字符串。在这里,我们想要将值作为字节而不是Unicode字符串进行比较。np.void
在Python2和Python3上都可以实现此目的。 - unutbuIn [1]: import numpy as np
In [2]: a = np.array([[1,2],[3,4]])
In [3]: b = np.array([[3,4],[1,2]])
In [5]: a = a[a[:,1].argsort(kind='mergesort')]
In [6]: a = a[a[:,0].argsort(kind='mergesort')]
In [7]: b = b[b[:,1].argsort(kind='mergesort')]
In [8]: b = b[b[:,0].argsort(kind='mergesort')]
In [9]: bInA1 = b[:,0] == a[:,0]
In [10]: bInA2 = b[:,1] == a[:,1]
In [11]: bInA = bInA1*bInA2
In [12]: bInA
Out[12]: array([ True, True], dtype=bool)
应该这样做...不确定是否仍然有效。你需要使用mergesort
,因为其他方法是不稳定的。
编辑:
如果你有超过2列,并且行已经排序好了,你可以这样做
In [24]: bInA = np.array([True,]*a.shape[0])
In [25]: bInA
Out[25]: array([ True, True], dtype=bool)
In [26]: for k in range(a.shape[1]):
bInAk = b[:,k] == a[:,k]
bInA = bInAk*bInA
....:
In [27]: bInA
Out[27]: array([ True, True], dtype=bool)
在迭代过程中,仍有加速的空间,因为您不必检查整个列,而只需检查当前bInA
为True
的条目。
a = array([[1,2],[2,3],[1,3]])
和 b = array([[2,3],[3,3],[4,4]])
呢? - amine23in1d
可能会失败,因为它不检查发生位置... 将其更改为 ==
。 - Jan==
比in1d
快8倍,它现在表现得更好了。 - Jana,b = np.array([[1,2],[5,6],[3,4]]), np.array([[1,2],[5,6],[7,8]])
- amine23a=np.array([[1,2],[3,4],[5,6]])
和 b=np.array([[5,6],[1,2],[7,6]])
这样的东西,你可以将它们转换成复杂的一维数组:c=a[:,0]+a[:,1]*1j
d=b[:,0]+b[:,1]*1j
我的解释器中的整个内容如下:
>>> c=a[:,0]+a[:,1]*1j
>>> c
array([ 1.+2.j, 3.+4.j, 5.+6.j])
>>> d=b[:,0]+b[:,1]*1j
>>> d
array([ 5.+6.j, 1.+2.j, 7.+6.j])
现在您已经拥有了一个一维数组,您可以轻松地执行np.in1d(c,d)
,Python会返回以下结果:
>>> np.in1d(c,d)
array([ True, False, True], dtype=bool)
使用这种数据类型,您不需要任何循环,至少是在这方面。
NumPy 模块实际上可以通过你的数组进行广播,并判断哪些部分与其他部分相同,如果相同则返回 true,否则返回 false:
import numpy as np
a = np.array(([1,2],[3,4],[5,6])) #converting to a numpy array
b = np.array(([1,2],[3,4],[7,8])) #converting to a numpy array
new_array = a == b #creating a new boolean array from comparing a and b
现在 new_array 的样子是这样的:
[[ True True]
[ True True]
[False False]]
但这并不是你想要的。因此,你可以转置(翻转 x 和 y)数组,然后使用 &
运算符比较两行。现在会创建一个 1-D 数组,仅当行中的两列都为 true 时才返回 true:
new_array = new_array.T #transposing
result = new_array[0] & new_array[1] #comparing rows
print result
,你现在得到了你想要的结果:[ True True False]
a = array([[1,2],[3,4]])
和 b = array([[3,4],[1,2]])
呢? - amine23
a
和b
的实际数据类型是什么? - unutbu