A= np.random.randint(5, size=(25, 4, 4))
U= np.unique(A, axis =0 )
results = np.where((A==U[0]).all(axis=-1))
使用此Where函数匹配各行,我想匹配整个4x4数组,而不仅仅是单个行。
以下是示例结果: (array([1,97,97,97,97],dtype = int64),array([0,0,1,2,3],dtype = int64))
如果所有四行匹配,结果将包含与上面索引97相同的索引4次,则单行与索引“1”匹配。
我假设如果整个数组匹配,那么只返回一个索引。 如果为一个数组提供多个索引,则为所需输出的示例: (array([97,97,97,97],dtype = int64),array([0,1,2,3],dtype = int64)
答案 0 :(得分:0)
np.where((A.reshape(A.shape[0],-1) == U[0].reshape(-1)).all(axis=1))
让我们看一个例子
>>> A = np.random.randint(5, size=(25, 4, 4))
>>> A[:3,...]
array([[[0, 2, 0, 1],
[1, 0, 3, 0],
[4, 1, 1, 2],
[0, 1, 0, 0]],
[[1, 3, 2, 3],
[2, 4, 2, 1],
[3, 3, 2, 3],
[4, 2, 1, 1]],
[[4, 0, 3, 3],
[1, 0, 4, 4],
[0, 0, 2, 3],
[4, 1, 2, 2]]])
>>> U = np.unique(A, axis=0)
>>> U[0]
array([[0, 2, 0, 1],
[1, 0, 3, 0],
[4, 1, 1, 2],
[0, 1, 0, 0]])
现在,如果我理解正确,您需要在U[0]
中找到A
。逐行匹配更容易,所以让我们将4x4
数组重新整形为行
>>> A.reshape(A.shape[0], -1)[:3,...]
array([[0, 2, 0, 1, 1, 0, 3, 0, 4, 1, 1, 2, 0, 1, 0, 0],
[1, 3, 2, 3, 2, 4, 2, 1, 3, 3, 2, 3, 4, 2, 1, 1],
[4, 0, 3, 3, 1, 0, 4, 4, 0, 0, 2, 3, 4, 1, 2, 2]])
>>> U[0].reshape(-1)
array([0, 2, 0, 1, 1, 0, 3, 0, 4, 1, 1, 2, 0, 1, 0, 0])
现在我们可以将它们与np.where
进行比较,但如果我们不小心,我们会进行元素比较,因此我们需要使用np.all(axis=1)
来确保逐行比较它们: / p>
>>> np.where(np.all(A.reshape(25, -1) == U[0].reshape(-1), axis=1))
(array([0]),)
编辑我刚刚发现你可以使用np.all
多个轴并避免重新整形:
np.where((A == U[0]).all(axis=(1,2)))