我正在寻找最佳（最快）方法来找到 numpy.xml 中两个数组之间的确切重叠。给定两个数组 x 和 y
x = array([1,0,3,0,5,0,7,4],dtype=int)
y = array([1,4,0,0,5,0,6,4],dtype=int)
我想要得到的是一个长度相同的数组，其中只包含两个向量中相等的数字：
array([1,0,0,0,5,0,0,4])
首先我尝试了
x&y
array([1,0,0,0,5,0,6,4])
然后我意识到这对于两个大于 0 的数字总是正确的。
【问题讨论】：
result = numpy.where(x == y, x, 0)
查看numpy.where 文档以获得解释。基本上，numpy.where(a, b, c)，对于条件a，返回一个形状为a 的数组，其值来自b 或c，这取决于a 的对应元素是否为真。 b 或 c 可以是标量。
顺便说一句，x & y 对于两个正数不一定“总是正确”。它对x 和y 中的元素执行bitwise-and：
x = numpy.array([2**p for p in xrange(10)])
# x is [ 1 2 4 8 16 32 64 128 256 512]
y = x - 1
# y is [ 0 1 3 7 15 31 63 127 255 511]
x & y
# result: [0 0 0 0 0 0 0 0 0 0]
这是因为x 中每个元素的按位表示形式为1 后跟n 零，而y 中对应的元素是n 1s。一般来说，对于两个非零数字a 和b，a & b 可能等于零，或者非零但不一定等于a 或b。
【讨论】：
使用numpy.where 是最通用的解决方案。但在这种特殊情况下，由于它是一种有用的编程习惯，您可以使用 x==y 作为掩码：
mask = x==y
# mask is array([ True, False, False, True, True, True, False, True], dtype=bool)
xf = mask * x
# xf is array([1, 0, 0, 0, 5, 0, 0, 4])
或直接
xf = (x==y) * x
现在想象一些数据X（例如声音的 1D、图像的 2D、电影的 3D 等等......）
(X<1) * -1. + (X>1) * 1.
如果幅度低于 1，则返回值为 -1 的数据，否则返回 1.。
【讨论】：
从文档中尝试 numpy.in1d.......
测试一维数组的每个元素是否也存在于第二个数组中。
返回一个与ar1 相同长度的布尔数组，即为真
其中ar1 的元素在ar2 中，否则为False。
ar1 : array_like, 形状 (M,)
输入数组。
ar2：array_like
用于测试ar1 的每个值的值。
假设唯一：布尔，可选
如果为 True，则假定输入数组都是唯一的，即
可以加快计算速度。默认为 False。
掩码：布尔数组，形状（M，）
ar1[mask] 的值在 ar2 中。
numpy.lib.arraysetops ：具有许多其他功能的模块 对数组执行集合操作。
in1d 可以被认为是
python 关键字in，用于一维序列。 in1d(a, b) 大致是
相当于np.array([item in b for item in a])。
.. 添加的版本:: 1.4.0
test = np.array([0, 1, 2, 5, 0])
states = [0, 2]
mask = np.in1d(test, states)
mask
array([ True, False, True, False, True], dtype=bool)
test[mask]
array([0, 2, 0])
【讨论】：