在另一个数组中逐行搜索一个数组的元素 - Python / NumPy答案

【问题标题】：Search elements of one array in another, row-wise - Python / NumPy在另一个数组中逐行搜索一个数组的元素 - Python / NumPy
【发布时间】：2020-04-17 22:11:21
【问题描述】：

例如，我有一个独特元素的矩阵，

a=[
    [1,2,3,4],
    [7,5,8,6]
]

还有另一个独特的矩阵，其中填充了第一个矩阵中出现的元素。

b=[
    [4,1],
    [5,6]
]

我期待结果

[
    [3,0],
    [1,3]
].

也就是说，我想找到b的每一行元素等于a的一些元素在同一行，返回这些元素在a中的索引。我怎样才能做到这一点？谢谢。

【问题讨论】：

你只需要独立考虑每一行和stackoverflow.com/questions/432112/…
不是绝对排序的，我换了例子。
a 中的条目保证是唯一的吗？
欢迎来到 SO！您的问题似乎没有任何逻辑？你能解释一下你想对它做什么操作/过程吗？
a 和 b 中的每一行都有唯一的元素吗？

标签： python numpy

【解决方案1】：

你可以这样做：

np.split(pd.DataFrame(a).where(pd.DataFrame(np.isin(a,b))).T.sort_values(by=[0,1])[::-1].unstack().dropna().reset_index().iloc[:,1].to_numpy(),len(a))                               

# [array([3, 0]), array([1, 3])]

【讨论】：

【解决方案2】：

这是一种矢量化方法 -

# https://stackoverflow.com/a/40588862/ @Divakar
def searchsorted2d(a,b):
    m,n = a.shape
    max_num = np.maximum(a.max() - a.min(), b.max() - b.min()) + 1
    r = max_num*np.arange(a.shape[0])[:,None]
    p = np.searchsorted( (a+r).ravel(), (b+r).ravel() ).reshape(m,-1)
    return p - n*(np.arange(m)[:,None])

def search_indices(a, b):
    sidx = a.argsort(1)
    a_s = np.take_along_axis(a,sidx,axis=1)
    return np.take_along_axis(sidx,searchsorted2d(a_s,b),axis=1)

示例运行 -

In [54]: a
Out[54]: 
array([[1, 2, 3, 4],
       [7, 5, 8, 6]])

In [55]: b
Out[55]: 
array([[4, 1],
       [5, 6]])

In [56]: search_indices(a, b)
Out[56]: 
array([[3, 0],
       [1, 3]])

另一个利用 broadcasting 的矢量化 -

In [65]: (a[:,None,:]==b[:,:,None]).argmax(2)
Out[65]: 
array([[3, 0],
       [1, 3]])

【讨论】：

@Navaro 嗯，通常的 NumPy 方式（在引擎盖下，即高性能的方式）是在 C 中实现的。所以，是的，很高兴看到这些在本机 NumPy 中实现。目前，我只是在现有工具的基础上进行构建。

【解决方案3】：

如果您不介意使用循环，这里有一个使用 np.where 的快速解决方案：

import numpy as np

a=[[1,2,3,4],
   [7,5,8,6]]
b=[[4,1],
   [5,6]]

a = np.array(a)
b = np.array(b)
c = np.zeros_like(b)

for i in range(c.shape[0]):
    for j in range(c.shape[1]):
        _, pos = np.where(a==b[i,j])
        c[i,j] = pos

print(c.tolist())

【讨论】：

谢谢。但是当我处理大量数据时，速度会慢很多。我希望它以矩阵方式解决，只是因为需要更快的处理速度。