numpy 搜索多个值的数组，并返回它们的索引

Question

如何在 numpy 数组中搜索一小组值（未排序，不应更改）？ 它应该返回这些值的索引。

例如：

a = np.array(['d', 'v', 'h', 'r', 'm', 'a'])   # in general it will be large
query = np.array(['a', 'v', 'd'])

# Required:
idnx = someNumpyFunction(a, query)

print(indx)       # should be [5, 1, 0]

我是 numpy 的初学者，我找不到同时为多个值执行此任务的正确方法（我知道 np.where(a=='d') 可以为单个值执行此操作值搜索）。

Answer 1

检查一个数组与另一个数组的经典方法是调整形状并使用'=='：

In [250]: arr==query[:,None]
Out[250]: 
array([[False, False, False, False, False,  True],
       [False,  True, False, False, False, False],
       [ True, False, False, False, False, False]], dtype=bool)

In [251]: np.where(arr==query[:,None])
Out[251]: (array([0, 1, 2]), array([5, 1, 0]))

如果在a 中找不到元素query，则它的“行”将丢失，例如[0,2] 而不是 [0,1,2]

In [261]: np.where(arr==np.array(['a','x','v'],dtype='S')[:,None])
Out[261]: (array([0, 2]), array([5, 1]))   

对于这个小例子，它比等效的列表理解要快得多：

np.hstack([(arr==i).nonzero()[0] for i in query])

它比searchsorted 解决方案慢一点。 （在该解决方案中，如果未找到 query 元素，则 i 超出范围）。

---

Stefano 建议fromiter。与列表的hstack 相比，它节省了一些时间：

In [313]: timeit np.hstack([(arr==i).nonzero()[0] for i in query])10000 loops, best of 3: 49.5 us per loop

In [314]: timeit np.fromiter(((arr==i).nonzero()[0] for i in query), dtype=int, count=len(query))
10000 loops, best of 3: 35.3 us per loop

但是如果引发错误是缺少元素，或者有多次出现。 hstack 可以处理可变长度条目，fromiter 不能。

np.flatnonzero(arr==i) 比 ().nonzero()[0] 慢，但我还没有研究原因。

Answer 2

您可以在排序后的数组上使用np.searchsorted，然后将返回的索引恢复为原始数组。为此，您可以使用np.argsort；如：

>>> indx = a.argsort()  # indices that would sort the array
>>> i = np.searchsorted(a[indx], query)  # indices in the sorted array
>>> indx[i]  # indices with respect to the original array
array([5, 1, 0])

如果a 的大小为n 且query 的大小为k，这将是O(n log n + k log n)，如果log n < k 进行线性搜索，这将比O(n k) 快。