Question

假设我有numpy数组

a = np.array([1,3,5,7,9,11,13])
b = np.array([3,5,7,11,13])

我想创建一个大小为a的布尔数组，其中每个条目都是True或False，具体取决于a的元素是否也在b中。

所以在这种情况下，我想要

a_b = np.array([False,True,True,True,False,True,True]).

当b由一个元素组成== b [0]时，我可以这样做。当b的长度大于1时，有没有快速的方法。

Answer 1

使用numpy.in1d：

In [672]: np.in1d([1,2,3,4], [1,2])
Out[672]: array([ True,  True, False, False], dtype=bool)

对于您的数据：

In [674]: np.in1d(a, b)
Out[674]: array([False,  True,  True,  True, False,  True,  True], dtype=bool)

根据文档，这在1.4.0或更高版本中可用。文档还描述了纯Python中操作的外观：

对于1-D序列，
in1d可以被视为python关键字in的元素功能版本。 in1d(a, b)大致相当于np.array([item in b for item in a])。

这个函数的文档值得阅读，因为有invert关键字参数和assume_unique关键字参数 - 在某些情况下，每个参数都非常有用。

我还发现使用np.vectorize和operator.contains创建自己的版本很有意思：

from operator import contains
v_in = np.vectorize(lambda x,y: contains(y, x), excluded={1,})

然后：

In [696]: v_in([1,2,3, 2], [1, 2])
Out[696]: array([ True,  True, False,  True], dtype=bool)

因为operator.contains翻转了参数，我需要lambda来使调用约定与您的用例匹配 - 但如果可以先使用b调用，则可以跳过这个然后a。

但请注意，您需要对excluded使用vectorize选项，因为您希望任何参数代表b序列（检查其中的成员资格的序列）实际保留为序列（因此，如果您选择不使用contains翻转lambda参数，那么您可能希望排除索引0而不是1。）

使用in1d的方式肯定会更快，并且是一种更好的方式，因为它依赖于众所周知的内置功能。但有时候知道如何使用operator和vectorize这些技巧很好。

您甚至可以为此创建Python Infix recipe instance，然后使用v_in作为“中缀”操作：

v_in = Infix(np.vectorize(lambda x,y: contains(y, x), excluded={1,}))
# even easier: v_in = Infix(np.in1d)

和示例用法：

In [702]: v_in([1, 2, 3, 2], [1, 2])
Out[702]: array([ True,  True, False,  True], dtype=bool)

In [704]: [1, 2, 3, 2] <<v_in>> [1, 2]
Out[704]: array([ True,  True, False,  True], dtype=bool)

Numpy搜索子集中数组的元素

1 个答案: