跨两个 2D（或 3D）numpy 数组获取相交（公共）索引

Question

我有来自两个不同目录的数据，我想使用坐标来匹配这两个目录。我拥有的数据是来自目录 1 的x1,y1,z1,a1,b1,c1,etc（大约 50 万个元素）和来自目录 2 的x2,y2,z2,a2,e2,m2,n2,etc（大约百万个元素）。我要做的是首先构建一个包含 (x,y) 的二维数组) 坐标，如有必要，我将扩展到 (x,y,z)，并比较二维数组以找到相同的元素。

co1 = np.vstack((x1,y1)).T
co2 = np.vstack((x2,y2)).T

idx1 = np.in1d(co1,co2)   # not working for 2D arrays
idx2 = np.in1d(co2,co1)

np.savetxt('combined_data.txt',np.c_[x1[idx1],y1[idx1],a1[idx1],e2[idx2],n2[idx2]],fmt='%1.4f   %1.4f   %1.4f   %1.4f   %1.4f')

例如，我有以下数据集：

x1 = np.array([1,2,3,4,5])
y1 = np.array([5,4,3,2,1])
x2 = np.array([1,4,6,2,6,4,8,9,3])
y2 = np.array([5,1,5,3,6,2,8,3,3])

(1,5), (3,3), (4,2) are the common coordinates between the two catalogs. Therefore,

idx1 = [Ture, False, True, True, False], idx2 = [True, False, False, False, False, True, False, False, True]. 

但问题是np.in1d 是一个1D 例程，它不能应用于2D 或3D 数组。任何人都知道一些 numpy 例程来完成这项任务？

Answer 1

将两个数组都转换为 pandas 数据帧：

df1 = pd.DataFrame({"x" : x1, "y" : y1})).reset_index()

合并它们：

result = pd.merge(df1, df2, left_on=["x","y"], right_on=["x","y"])
#   index_x  x  y  index_y
#0        0  1  5        0
#1        2  3  3        8
#2        3  4  2        5

并获取索引：

result[["index_x","index_y"]]
#   index_x  index_y
#0        0        0
#1        2        8
#2        3        5