Question

我想获得与行匹配的2维Numpy数组的索引。例如，我的数组是：

vals = np.array([[0, 0],
                 [1, 0],
                 [2, 0],
                 [0, 1],
                 [1, 1],
                 [2, 1],
                 [0, 2],
                 [1, 2],
                 [2, 2],
                 [0, 3],
                 [1, 3],
                 [2, 3],
                 [0, 0],
                 [1, 0],
                 [2, 0],
                 [0, 1],
                 [1, 1],
                 [2, 1],
                 [0, 2],
                 [1, 2],
                 [2, 2],
                 [0, 3],
                 [1, 3],
                 [2, 3]])

我想获得与行[0,1]匹配的索引，即索引3和15.当我执行类似numpy.where(vals == [0 ,1])的操作时，我得到...

(array([ 0,  3,  3,  4,  5,  6,  9, 12, 15, 15, 16, 17, 18, 21]), array([0, 0, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 0, 0]))

我想索引数组（[3,15]）。

Answer 1

您需要np.where函数来获取索引：

>>> np.where((vals == (0, 1)).all(axis=1))
(array([ 3, 15]),)

或者，正如文档所述：

如果仅给出条件，请返回condition.nonzero()

您可以直接在.all返回的数组上调用.nonzero()：

>>> (vals == (0, 1)).all(axis=1).nonzero()
(array([ 3, 15]),)

解散：

>>> vals == (0, 1)
array([[ True, False],
       [False, False],
       ...
       [ True, False],
       [False, False],
       [False, False]], dtype=bool)

并在该数组上调用.all方法（使用axis=1）会为您提供True，其中两者都为True：

>>> (vals == (0, 1)).all(axis=1)
array([False, False, False,  True, False, False, False, False, False,
       False, False, False, False, False, False,  True, False, False,
       False, False, False, False, False, False], dtype=bool)

并获取哪些索引为True：

>>> np.where((vals == (0, 1)).all(axis=1))
(array([ 3, 15]),)

或

>>> (vals == (0, 1)).all(axis=1).nonzero()
(array([ 3, 15]),)

我发现我的解决方案更具可读性，但正如unutbu指出的那样，以下内容可能更快，并返回与(vals == (0, 1)).all(axis=1)相同的值：

>>> (vals[:, 0] == 0) & (vals[:, 1] == 1)

Answer 2

In [5]: np.where((vals[:,0] == 0) & (vals[:,1]==1))[0]
Out[5]: array([ 3, 15])

我不知道为什么，但这明显快于
np.where((vals == (0, 1)).all(axis=1))：

In [34]: vals2 = np.tile(vals, (1000,1))

In [35]: %timeit np.where((vals2 == (0, 1)).all(axis=1))[0]
1000 loops, best of 3: 808 µs per loop

In [36]: %timeit np.where((vals2[:,0] == 0) & (vals2[:,1]==1))[0]
10000 loops, best of 3: 152 µs per loop

Answer 3

使用numpy_indexed包，您只需编写：

import numpy_indexed as npi
print(np.flatnonzero(npi.contains([[0, 1]], vals)))

Answer 4

我相信numpy_indexed软件包可以使文档更加清晰，因此我们可以看到如何最好地使用它。上面的npi.contains示例看起来像我可以立即使用的东西。我有一个整数A的M X 2数组和一个整数B的N X 2数组。我想创建一个包含B的索引的M X 1数组C，其中A [indxA，0]＆A [indxA，1] == B [indxB，0]＆B [indxB，1]。 C的其他元素= -1。我当时以为npi.contains可以工作，但是在github站点上找不到足够的信息来确定它是否可以，如果可以，我应该如何使用它。

在2维numpy数组中查找匹配的行

4 个答案: