在另一个numpy数组中查找数组字符串序列答案

【问题标题】：Find array string sequence in another numpy array在另一个numpy数组中查找数组字符串序列
【发布时间】：2019-11-13 12:00:45
【问题描述】：

我有一个关于搜索数组的问题。我需要找到一些存储在数组中的字符串序列，例如它可能看起来像这样数组1：

['818181' '747473' '747474' '636363' '767676' '737373' '727373' '373838'
 '697070' '686869' '115115115' '737474' '757575' '777777' '818181' '747473'
 '747474' '636363' '767676' '737373' '727373' '757575' '696969']

这是一个带有字符串的 numpy 数组。 Dtype显示它是S9。然后我有另一个具有相同结构但更大的主阵列。我正在寻找最有效的方法来找到 array1 在主数组中开始的位置，所以就像我在 numpy 数组中寻找指定的模式一样。这些值重复，我需要找到完全相同的值。我一直在为此寻找最佳解决方案，但找不到任何有用的方法。主阵列非常大，我需要在 1 秒内获得阵列 1 的位置。我发现了一些关于在数组中查找序列的示例脚本，不幸的是这些都没有帮助我。大多数情况下，他们在小数组中找到一些整数值。我需要一些建议。

我尝试在 enumerate() 中使用 for i, e 遍历整个数组所以一个元素看起来像这样 - '818181'。然后我在计算一行中的 23 个元素（在这个例子中）是否相同。但是当第 5 个元素出错时，我将不得不去我发现第 1 个的地方才能 100% 成功（因为模式可以相互叠加），而且速度非常慢。

主数组和array1类似，但是是1000x并且有更多的值

【问题讨论】：

标签： python arrays numpy sequence

【解决方案1】：

一点也不；再看一遍。当您到达第 5 个元素时，您已经知道第 2、3、4 个元素不是第一个元素，因此您只需从不匹配的元素重新开始。

这是语法中一个众所周知的问题，可以用有限状态机处理。

首先不要担心字符串的内容；重要的是您要找到一系列符号。每个“数字”字符串都是一个不同的符号。为方便起见，我们如下映射：

'818181' => a
'747473' => b
'747474' => c
etc.

所以数组可以简化成这样：

 '818181' '747473' '747474' '636363' '767676' '737373' '727373' '373838'
  a        b        c        d        e        f        g        h
 '697070' '686869' '115115115' '737474' '757575' '777777' '818181' '747473'
  i        j        k           l        m        n        a        b
 '747474' '636363' '767676' '737373' '727373' '757575' '696969']
  c        d        e        f        g        m        o

或者，作为一个单行序列：

  abcdefghijklmnabcdefgmo

在您提到的情况下，b 不匹配，我们不必备份到输入的b 位置并重新开始；我们已经确定 bcd 匹配，它们不 a，所以我们不备份：我们只是重新开始，将 a 与不匹配的项目进行比较'不匹配。

碰巧的是，我们从不需要备份。在最坏的情况下，我们将继续检查匹配失败的位置，而不是目标字符串的开头。我们必须处理一个棘手的情况：中间字符串匹配。

考虑当我们在靠近目标序列末尾的第二个m 处出现不匹配时会发生什么。在这种情况下，我们知道我们刚刚匹配了abcdefg，但当前符号不是 m ...但如果可能是h。为了避免备份，我们利用部分匹配，并使用h 重新开始检查。

要处理此算法，您需要对目标字符串进行一些预处理。创建第二个数组，保存目标字符串中每个位置的重启索引。为此，您只需检查它偏离自身正面的位置即可。对于您的示例，这很简单：o 是主字符串和移位字符串匹配多个字符的唯一位置，但在此位置不同。

  abcdefghijklmnabcdefgmo
  11111111111111111111181

这会让你感动吗？

【讨论】：

【解决方案2】：

您可以遍历 array1 中的每个值并使用np.where() 来获取主数组中值的索引。将索引添加到列表中，然后对列表进行排序。然后找到与数组 1 的长度匹配的索引的连续长度。

例如：

def consecutive(data, stepsize=1):
    return np.split(data, np.where(np.diff(data) != stepsize)[0]+1)

index_list = []
for val in array1:
    index_list.extend(list(np.where(main_array == val)))
index_list.sort()

for sequence in consecutive(index_list):
    if len(sequence) == len(array1):
        print(sequence)

从how to find the groups of consecutive elements from an array in numpy? 向@unutbu 致谢，用于连续功能。

【讨论】：