比较两个numpy数组的每一行 ValueError

Question

我想逐行比较两个NumPy数组，并返回相同行的数量。

如果我使用以下代码：

a=np.array([[1,2],[3,4]])
b=np.array([[1,4],[2,3]])
comp= np.logical_and(np.equal(a,b))
correct=numpy.sum(comp)

I get the following error:

ValueError: invalid number of arguments

然而，这种方式是可行的：

np.logical_and([True, False], [False, False])

这可能很傻，但是我还是新手NumPy。 请帮忙。

- Abhishek Bhatia

---

你的意思是 np.array([[1,2], [3,4]]) 吗？ - jonnybazookatone

@jonnybazookatone 是的！抱歉犯了错误。 - Abhishek Bhatia

np.logical_and(*np.equal(a,b))? - zero323

你在评论中比我快了，@zero323 写出了解决方案，他可以接受为答案 ;( - jonnybazookatone

你也可以使用 print(np.logical_and.reduce(np.equal(a, b)).sum())。 - Padraic Cunningham

Answer 1

我认为你想要的是类似于：

np.sum(np.all(np.equal(a, b), axis=1))

如果您喜欢，可以缩写为以下内容：

np.sum(np.all(a == b, axis=1))

这将会返回1，当:

---

a = np.array([[1, 2], [3, 4]])
b = np.array([[1, 2], [5, 6]])

但对于以下情况返回0：

a = np.array([[1, 2], [3, 4]])
b = np.array([[1, 3], [5, 6]])

- mgilson

---

np.logical_and 对两个数组进行逐元素 and 操作。你只传递了一个数组（因此出现了 ValueError）。 - mgilson

Answer 2

接上@mgilson的回答，只是想进一步说明。您的想法是正确的，首先您完成了以下操作：

a = np.array([[1,2],[3,4]])
b = np.array([[1,4],[2,3]])
np.equal(a, b)
>>>array([[ True, False],
   [False, False]], dtype=bool)

现在，您想将此传递给np.logical_and()，如果您查看文档，它需要两个变量x1和x2 (http://docs.scipy.org/doc/numpy/reference/generated/numpy.logical_and.html)。

因此，如果您将上述数组传递进去，您将得到以下结果：

np.logical_and(np.array([[True, False], [False, False]]))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: invalid number of arguments

这是因为np.array([[True, False], [False, True]])是一个单一的数组，也就是说，你仅提供了一个x1值，并没有提供x2值。这就是为什么回溯告诉你 'invalid number of arguments'。你需要给这个函数提供两个值。

@zero323 给出了一个解决方案，即将值解压缩到函数中。更具体地说，将第一个数组值[True, False]传递到x1，将[False, False]传递到x2:

>>> np.logical_and(*np.equal(a, b))
array([False, False], dtype=bool)

- jonnybazookatone

Answer 3

这样怎么样：

import numpy as np

a = np.array([['a', 'b'], ['c', 'd'],\
                  ['e', 't'], ['a', 'b'], ['a', 'b']])
[['a' 'b']
 ['c' 'd']
 ['e' 't']
 ['a' 'b']
 ['a' 'b']]

b = np.array([['a','b'],['e','t'],['r','t']])
[['a' 'b']
 ['e' 't']
 ['r' 't']]

shared_rows=0

for row in b:
    temp=a==row
    shared_rows+=sum(np.sum(temp, axis=1)==a.shape[1])

print(shared_rows)
4

- Mahdi Ghelichi