Question

我有两组坐标，想找出coo组中的哪些坐标与targets组中的任何坐标相同。我想知道coo集中的索引，这意味着我想获取索引列表或布尔值。

import numpy as np

coo = np.array([[1,2],[1,6],[5,3],[3,6]]) # coordinates
targets = np.array([[5,3],[1,6]]) # coordinates of targets

print(np.isin(coo,targets))

[[ True False]
 [ True  True]
 [ True  True]
 [ True  True]]

期望的结果将是以下两个之一：

[False True True False] # bool list
[1,2] # list of concerning indices

我的问题是...

np.isin没有axis属性，因此我可以使用axis=1。
即使对输出的每一行应用 logical和，对于最后一个元素也会返回True，这是错误的。

我知道循环和条件，但是我确信Python具备了更优雅的解决方案的方法。

Answer 1

这是利用Search plug-in development的一种方式：

(coo[:,None] == targets).all(2).any(1)
# array([False,  True,  True, False])

详细信息

通过在coo中添加第一个轴的直接比较，检查target中的每一行是否与coo中的每一行相匹配，以便可以针对targets进行广播：

(coo[:,None] == targets)

array([[[False, False],
        [ True, False]],

       [[False, False],
        [ True,  True]],

       [[ True,  True],
        [False, False]],

       [[False, False],
        [False,  True]]])

然后检查第二个轴上哪个ndarrays具有True的{{3}}值：

(coo[:,None] == targets).all(2)

array([[False, False],
       [False,  True],
       [ True, False],
       [False, False]])

最后使用broadcasting检查哪些行至少具有一个True。

Answer 2

numpy_indexed软件包以矢量化方式实现了这种类型的功能（免责声明：我是它的作者）。遗憾的是，numpy缺少许多现成的功能；我开始将numpy_indexed合并到numpy中，但是有一些向后兼容的问题，并且像这样的大软件包趋向于缓慢移动。因此在最近三年中没有发生过这种情况；但是python封装生态系统如今运作良好，以至于向您的环境中再添加一个软件包确实非常简单。

require.main

这将具有类似于@fountainhead发布的解决方案的时间复杂度（根据当前接受的答案，对数而不是线性），而且npi库将为您提供自动化测试的安全性，并且许多其他方便的选择，如果您决定从稍微不同的角度来解决这个问题。

Answer 3

这是一个简单直观的解决方案，实际上使用numpy.isin()来匹配元组，而不是匹配单个数字：

# View as a 1d array of tuples
coo_view     = coo.view(dtype='i,i').reshape((-1,))
targets_view = targets.view(dtype='i,i').reshape((-1,))

result = np.isin(coo_view, targets_view)
print (result)
print(result.nonzero()[0])

输出：

[False  True  True False]
[1 2]

注释：

创建这些views并不涉及任何数据复制。
dtype='i,i'指定我们希望视图的每个元素都是两个整数的元组

Answer 4

从@yatu的答案中使用all和any方法，我尝试了一些嵌套列表理解。尽管广播明显更干净。

np.array([[x==y for x in coo] for y in targets]).all(2).any(axis=0)

返回：

array([False, True, True, False])

如何匹配两个numpy数组中包含的值对

4 个答案: