NumPy检查二维数组是否是二维数组的子集[重复]答案

【问题标题】：NumPy check if 2D array is subset of 2D array [duplicate]NumPy检查二维数组是否是二维数组的子集[重复]
【发布时间】：2016-09-12 16:52:04
【问题描述】：

我想检查数组b 是否是数组a 的子集。子集是指我想检查b 的所有元素是否都在a 中找到。

这是我的代码：

import numpy as np
a = np.array([[1,7,9],[8,3,12],[101,-74,0.5]])
b = np.array([[1,9],[8,12],[101,0.5]])
print a
print b

这是输出

数组一个

[[   1.     7.     9. ]
 [   8.     3.    12. ]
 [ 101.   -74.     0.5]]

数组 b

[[   1.     9. ]
 [   8.    12. ]
 [ 101.     0.5]]

有没有办法检查 b 是否是 a 的子集？

编辑：附加信息：

根据下面的 cmets，我应该澄清我需要知道数组 b 是否是数组 a 的子集 - 如果子集中甚至缺少一个元素，那么我正在寻找一种方法来检查这一点。我不需要指示该元素在子集中的哪个位置丢失，而只是知道它丢失了。如果可以提供有关缺失元素的其他信息，那么这将是一个奖励，但这不是硬性要求。很抱歉没有早点解决这个问题。

我将问题表述为子集的原因是，如果一个数组是另一个数组的子集，那么这对我来说意味着子集数组的所有值都存在于更大的数组中。

【问题讨论】：

我认为您需要详细说明“我想检查是否在 a 中找到 b 的所有元素”，因为我们在这里处理 2D 数组。想想可能否定你对“子集”定义的各种情况，想想必须遵循的其他情况。来自a 和b 的相应行的所有元素？仅在b 中沿同一列？
对不起，我应该解释一下。检查b 各列中的所有元素是否是a 中的子集。这就是我所追求的。
所以在这种情况下所需的输出将是一个具有三个 true 值的 bool 数组，对吗？每行一个，其中确实有作为子集的列。
你如何在这里定义子集？您是否正在寻找一对布尔掩码的存在，例如 (a[m1,m2] == b).all()，即行和列的某个子集

标签： python arrays python-2.7 numpy

【解决方案1】：

我想你想要numpy.in1d，像这样：

import numpy as np
a = np.array([[1,7,9],[8,3,12],[101,-74,0.5]])
b = np.array([[1,9],[8,12],[101,0.5]])

np.in1d(b.ravel(), a.ravel()).all()

【讨论】：

非常感谢。尽管我接受了较早的答案，但这也有效。简单的单线。

【解决方案2】：

这应该可行：

set(np.unique(b)).issubset(set(np.unique(a)))

编辑：上面的代码返回 True 或 False 而不是布尔值的列向量。从@Eelco Hoogendoorn 对您的问题的评论中，我了解到您实际上有兴趣检查b 的行是否是a 的相应行的子集，正确的？假设这是正确的问题描述，以下单行应该可以工作：

np.array([[set(bi).issubset(set(ai))] for ai, bi in zip(map(tuple, a), map(tuple, b))])

上面的代码简单易读，不需要第三方依赖。诚然，这是一个快速而肮脏的解决方案，因为正如@Bi Rico 正确指出的那样，这种方法可能非常低效。如果您需要处理大型数组，您应该坚持使用矢量化算法。

【讨论】：

谢谢。这有效，它回答了我的问题。
值得注意的是，对于较大的数组，在 numpy 数组和内置类型（如集合和列表）之间切换在处理时间和内存使用方面可能会非常昂贵。
如果我正确阅读了您的问题，这不会回答它；它同时考虑数组中的所有元素，并且不按列执行。
感谢您的反馈。任何一个选项都对我有用。我只是想检查是否存在 False - 这表明一个值（任何值）是不同的。如果是这种情况，那么我知道一个数组有问题。如果可以在行之间进行比较，就像您在编辑中所做的那样，那么这也是有用的，但不是必需的。您最初的答案工作得很好，因为它识别出 False 或 True，而这正是我正在寻找的。感谢您添加的解决方案。

【解决方案3】：

如果要比较列，一种方法是先将它们分组：

a = np.array([[1,7,9],[8,3,12],[101,-74,0.5]])
b = np.array([[1,9],[8,12],[101,0.5]])
c = np.array([[1,9],[8,12],[101,-74.]])

def bycols(arr):
    tr=arr.T.copy()
    type=np.dtype((np.void,tr.strides[0]))
    return tr.view(type).squeeze()

A,B,C=[bycols(x) for x in (a,b,c)]

那么 A,B,C 只是表示列的字节数组：

In [5]: [x.shape for x in (A,B,C)]
Out[5]: [(3,), (2,), (2,)]

您现在可以使用 np.in1d 测试归属：

In [6]: np.in1d(C,A)
Out[6]: array([ True, False], dtype=bool)

In [7]: np.in1d(B,A)
Out[7]: array([ True,  True], dtype=bool)

但是：

In [8]: np.in1d(c,a)
Out[8]: array([ True,  True,  True,  True,  True,  True], dtype=bool)

因为 np1d 适用于扁平数组。

【讨论】：

【解决方案4】：

如果我正确阅读了您的问题（测试 a 和 b 中的每个相应行，如果 b 中的行是 a 中的行的子集），则应该有效且正确地做到这一点：

import numpy_indexed as npi
rowsa = np.indices(a.shape)[0]
rowsb = np.indices(b.shape)[0]
# test for each value-rowidx pair in b if it is contained in a
c = npi.contains((a.flatten(), rowsa.flatten()), (b.flatten(), rowsb.flatten()))
# check that all elements on a row are contained
row_is_subset = c.reshape(b.shape).all(axis=1)

您需要安装numpy_indexed 包（免责声明：我是它的作者）

【讨论】：