Question

在发布此问题之前，我已经搜索过该网站上的解决方案，但找不到任何解决方案。

假设我有2个numpy二维数组a和b，这样：

a = np.array([[0. , 1.],
              [0.5, 1.6],
              [1.2, 3.2],
              [4. , 3. ],
              [4.7, 3.5],
              [5.9, 2.4],
              [7.6, 8.8],
              [9.5, 6.2]
              ])

b = np.array([[7.6, 8.8],
              [4. , 3. ],
              [9.5, 6.2],
              [1.2, 3.2]
              ])

我想获取数组b中数组a的参数。也就是说，对于b的每一行，返回其在b上的位置。在这种情况下，预期结果如下：

args =np.array([6, 3, 7, 2])

我已经尝试过类似的事情：

args = np.argwhere(a == b) # But the result is an empty array

感谢您的帮助。

Answer 1

尝试一下：

temp_search = (a[:, None] == b).all(-1)
args = np.where(temp_search.any(0), temp_search.argmax(0), np.nan)
args = args[~np.isnan(args)].astype(int)

输出：

[6 3 7 2]

问题似乎出在a==b中。而不是返回np array而是返回一个布尔值，即false。

在2 numpy数组之间使用elementwise进行==比较似乎已经过了一段时间。

https://github.com/numpy/numpy/issues/6784

参考：Check common elements of two 2D numpy arrays, either row or column wise

这是处理数组中重复项的增强版本，请参见this answer以供参考。

import numpy as np
import pandas as pd

def assign_duplbl(a):
    df = pd.DataFrame(a)
    df['num'] = 1
    return df.groupby(list(range(a.shape[1]))).cumsum().values

def argwhere2d(arr, target_arr):
    # return the location of arr in the target_array

    # this is an updated version to handle duplicates
    a = np.hstack((arr,assign_duplbl(arr)))
    b = np.hstack((target_arr,assign_duplbl(target_arr)))
    temp_search = (b[:, None] == a).all(-1)
    args = np.where(temp_search.any(0), temp_search.argmax(0), np.nan)
    args = args[~np.isnan(args)].astype(int) 
    return args

numpy：如何在另一个2D数组中查找2D数组的参数

1 个答案: