从 Numpy 数组中选择每列满足某些条件的所有行答案

【问题标题】：Select all rows from Numpy array where each column satisfies some condition从 Numpy 数组中选择每列满足某些条件的所有行
【发布时间】：2021-08-08 07:33:42
【问题描述】：

我有一个数组x，

x = [[1,2,3,...,7,8,9],
[1,2,3,...,7,9,8],
...,
[9,8,7,...,3,1,2],
[9,8,7,...,3,2,1]]

我还为每一列设置了一个不允许的数字数组。我想选择每列中只允许字符的所有行。例如，我可能只想要第一列中没有任何[1,2,3] 的行；我可以这样做，

x[~np.in1d(x[:,0], [1,2,3])]

对于任何单个列，我都可以做到这一点。但我希望基本上一次对 all 列执行此操作，只选择每个元素是其列的允许编号的行。我似乎无法让 x.any 或 x.all 做好这件事 - 我该怎么做？

编辑：为了澄清，每列的不允许数字是不同的。实际上，我会有一些数组 y，

y = [[1,4,...,7,8],
[2,5,...,9,4],
[3,6,...,8,6]]

我想要来自 x 的行，其中第 1 列不能在 [1,2,3] 中，第 2 列不能在 [4,5,6] 中，依此类推。

【问题讨论】：

标签： python numpy numpy-ndarray numpy-slicing

【解决方案1】：

您可以broadcast比较，然后all查看：

x[(x != y[:,None,:]).all(axis=(0,-1))]

分解：

# compare each element of `x` to each element of `y`
# mask.shape == (y.shape[0], x.shape[0], x.shape[1])
mask = (x != y[:,None,:])

# `all(0)` checks, for each element in `x`, it doesn't match any element in the same column of `y`
# `all(-1) checks along the rows of `x`
mask = mask.all(axis=(0,-1)

# slice
x[mask]

例如，考虑：

x = np. array([[1, 2],
       [9, 8],
       [5, 6],
       [7, 8]])

y = np.array([[1, 4],
       [2, 5],
       [3, 7]])

然后mask = (x != y[:,None,:]).all(axis=(0,1))给了

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

【讨论】：

你能再解释一下吗？这里的 y 是什么，这条线到底在做什么？
嗯，我不确定如何实现它以供我使用。我应该更明确一点 - 不允许的数字 对于每一列都不同 - 我可能不想在第 1 列中出现 [1,2,3]，但又不想在 [4,5,8] 中出现第 2 列。这仍然适用吗？

【解决方案2】：

现在建议使用np.isin 而不是np.in1d。这可以让您 (a) 一次比较整个数组，并且 (b) 更有效地反转掩码。

x[np.isin(x, [1, 2, 3], invert=True).all(1)]

np.isin 保留x 的形状，因此您可以在列中使用.all。它还有一个invert 参数，可以让您执行与~isin(x, [1, 2, 3]) 等效的操作，但效率更高。

此解决方案将类似的计算向量化为另一个更有效的建议（尽管它仍然是线性搜索），并且还避免创建临时数组。

【讨论】：