python中列表子集的布尔索引答案

【问题标题】：boolean indexing from a subset of a list in pythonpython中列表子集的布尔索引
【发布时间】：2014-02-03 05:40:54
【问题描述】：

我有一个名称数组，以及相应的数据数组。从名称数组中，还有一个较小的名称子集：

data = np.array([75., 49., 80., 87., 99.])
arr1 = np.array(['Bob', 'Joe', 'Mary', 'Ellen', 'Dick'], dtype='|S5')
arr2 = np.array(['Mary', 'Dick'], dtype='|S5')

我正在尝试创建一个仅与出现在 arr2 中的名称相对应的新数据数组。这是我自己想出的：

TF = []
for i in arr1: 
    if i in arr2:
        TF.append(True)
    else:
        TF.append(False)
new_data = data[TF]

有没有更有效的不涉及 for 循环的方法？我应该提到，数组本身是从外部文件输入的，实际上有多个数据数组，所以我无法真正改变任何东西。

【问题讨论】：

似乎没有人能在文档中找到set routines。（事实上，没有一个单独的函数链接到它们的列表，而是全部引用 numpy.lib.arraysetopts 并让您猜测如何搜索它，这可能无济于事。但是顶部带有导航栏的现代文档应该已经解决了这个问题……）

标签： python arrays indexing boolean

【解决方案1】：

您可以使用numpy.in1d，它测试一个数组中的每个元素是否也存在于第二个数组中。

演示

>>> new_data = data[np.in1d(arr1, arr2)]
>>> new_data
array([ 80.,  99.])

in1d 返回一个 ndarray 布尔值，类似于您在原始代码中构建的列表：

>>> np.in1d(arr1, arr2)
array([False, False,  True, False,  True], dtype=bool)

【讨论】：