如何在逐行真/假数组的结果中获得两个数组之间的逐行比较？
给定数据：
a = np.array([[1,0],[2,0],[3,1],[4,2]])
b = np.array([[1,0],[2,0],[4,2]])
结果步骤 1：
c = np.array([True, True,False,True])
最终结果：
a = a[c]
那么如何获取数组c ????
P.S.：在此示例中，数组 a 和 b 已排序，如果在您的解决方案中对数组进行排序很重要，请同时提供信息
【问题讨论】：
这是一个矢量化的解决方案：
res = (a[:, None] == b).all(-1).any(-1)
print(res)
array([ True, True, False, True])
注意a[:, None] == b 将a 的每一行与b 元素进行比较。然后我们使用all + any 来推断每个子数组是否有任何行都是True：
print(a[:, None] == b)
[[[ True True]
[False True]
[False False]]
[[False True]
[ True True]
[False False]]
[[False False]
[False False]
[False False]]
[[False False]
[False False]
[ True True]]]
【讨论】：
方法#1
我们可以使用基于 view 的矢量化解决方案 -
# https://stackoverflow.com/a/45313353/ @Divakar
def view1D(a, b): # a, b are arrays
a = np.ascontiguousarray(a)
b = np.ascontiguousarray(b)
void_dt = np.dtype((np.void, a.dtype.itemsize * a.shape[1]))
return a.view(void_dt).ravel(), b.view(void_dt).ravel()
A,B = view1D(a,b)
out = np.isin(A,B)
示例运行 -
In [8]: a
Out[8]:
array([[1, 0],
[2, 0],
[3, 1],
[4, 2]])
In [9]: b
Out[9]:
array([[1, 0],
[2, 0],
[4, 2]])
In [10]: A,B = view1D(a,b)
In [11]: np.isin(A,B)
Out[11]: array([ True, True, False, True])
方法 #2
对于b 中的所有行都在a 中并且行按字典顺序排序的情况，使用相同的views，但使用searchsorted -
out = np.zeros(len(A), dtype=bool)
out[np.searchsorted(A,B)] = 1
如果行不一定按字典顺序排序 -
sidx = A.argsort()
out[sidx[np.searchsorted(A,B,sorter=sidx)]] = 1
【讨论】：
您可以将 numpy 与 apply_along_axis 一起使用（特定轴上的迭代类型，而 axis=0 在每个单元格上迭代，axis=1 在每一行上迭代，axis=2 在矩阵上等等
import numpy as np
a = np.array([[1,0],[2,0],[3,1],[4,2]])
b = np.array([[1,0],[2,0],[4,2]])
c = np.apply_along_axis(lambda x,y: x in y, 1, a, b)
【讨论】：
np.isin，有点困惑你为什么提到它，因为我认为它在这里不是特别有用。
您可以通过以下方式将其作为列表组合进行：
c = np.array([row in b for row in a])
虽然这种方法会比纯 numpy 方法慢（如果存在的话）。
【讨论】：
a = np.array([[1,0],[2,0],[3,1],[4,2]])
b = np.array([[1,0],[2,0],[4,2]])
i = 0
j = 0
result = []
我们可以利用它们已排序的事实并在 O(n) 时间内完成此操作。使用两个指针，我们只是将后面的指针向前移动：
while i < len(a) and j < len(b):
if tuple(a[i])== tuple(b[j]):
result.append(True)
i += 1
j += 1 # get rid of this depending on how you want to handle duplicates
elif tuple(a[i]) > tuple(b[j]):
j += 1
else:
result.append(False)
i += 1
如果提前结束，则用 False 填充。
if len(result) < len(a):
result.extend([False] * (len(a) - len(result)))
print(result) # [True, True, False, True]
此答案改编自Better way to find matches in two sorted lists than using for loops? (Java)
【讨论】：
您可以使用 scipy 的 cdist，它有几个优点：
from scipy.spatial.distance import cdist
a = np.array([[1,0],[2,0],[3,1],[4,2]])
b = np.array([[1,0],[2,0],[4,2]])
c = cdist(a, b)==0
print(c.any(axis=1))
[ True True False True]
print(a[c.any(axis=1)])
[[1 0]
[2 0]
[4 2]]
此外，cdist 允许传递函数指针。所以你可以指定你自己的距离函数，做任何你需要的比较：
c = cdist(a, b, lambda u, v: (u==v).all())
print(c)
[[1. 0. 0.]
[0. 1. 0.]
[0. 0. 0.]
[0. 0. 1.]]
现在您可以找到匹配的索引。这也将指示是否有多个匹配项。
# Array with multiple instances
a2 = np.array([[1,0],[2,0],[3,1],[4,2],[3,1],[4,2]])
c2 = cdist(a2, b, lambda u, v: (u==v).all())
print(c2)
idx = np.where(c2==1)
print(idx)
print(idx[0][idx[1]==2])
[[1. 0. 0.]
[0. 1. 0.]
[0. 0. 0.]
[0. 0. 1.]
[0. 0. 0.]
[0. 0. 1.]]
(array([0, 1, 3, 5], dtype=int64), array([0, 1, 2, 2], dtype=int64))
[3 5]
【讨论】：
推荐的答案很好，但在处理包含大量行的数组时会遇到困难。另一种选择是：
baseval = np.max([a.max(), b.max()]) + 1
a[:,1] = a[:,1] * baseval
b[:,1] = b[:,1] * baseval
c = np.isin(np.sum(a, axis=1), np.sum(b, axis=1))
这使用任一数组中包含的最大值加上 1 作为数字基数，并将列视为 baseval^0 和 baseval^1 值。这可确保列的总和对于每对可能的值都是唯一的。如果列的顺序不重要，则可以预先使用np.sort(a,axis=1) 按列对两个输入数组进行排序。
这可以扩展到具有更多列的数组：
baseval = np.max([a.max(), b.max()]) + 1
n_cols = a.shape[1]
a = a * baseval ** np.array(range(n_cols))
b = b * baseval ** np.array(range(n_cols))
c = np.isin(np.sum(a, axis=1), np.sum(b, axis=1))
如果使用 int64，baseval ** (n_cols+1) > 9223372036854775807 可能会发生溢出。这可以通过使用dtype=object 将 numpy 数组设置为使用 python 整数来避免。
【讨论】：