使用 Numpy 以矢量化方式检索多个值的索引

Question

为了在 numpy 数组中获取与“99”值对应的索引，我们这样做：

mynumpy=([5,6,9,2,99,3,88,4,7))
np.where(my_numpy==99)

如果，我想得到以下值 99,55,6,3,7 对应的索引怎么办？显然，可以通过一个简单的循环来做到这一点，但我正在寻找一个更加矢量化的解决方案。我知道 Numpy 非常强大，所以我认为它可能存在类似的东西。

想要的输出：

searched_values=np.array([99,55,6,3,7])
np.where(searched_values in mynumpy)
[(4),(),(1),(5),(8)]

Answer 1

这是np.searchsorted 的一种方法-

def find_indexes(ar, searched_values, invalid_val=-1):
    sidx = ar.argsort()
    pidx = np.searchsorted(ar, searched_values, sorter=sidx)
    pidx[pidx==len(ar)] = 0
    idx = sidx[pidx]
    idx[ar[idx] != searched_values] = invalid_val
    return idx

示例运行 -

In [29]: find_indexes(mynumpy, searched_values, invalid_val=-1)
Out[29]: array([ 4, -1,  1,  5,  8])

对于一个通用的无效值说明符，我们可以使用np.where -

def find_indexes_v2(ar, searched_values, invalid_val=-1):
    sidx = ar.argsort()
    pidx = np.searchsorted(ar, searched_values, sorter=sidx)
    pidx[pidx==len(ar)] = 0
    idx = sidx[pidx]
    return np.where(ar[idx] == searched_values, idx, invalid_val)

示例运行 -

In [35]: find_indexes_v2(mynumpy, searched_values, invalid_val=None)
Out[35]: array([4, None, 1, 5, 8], dtype=object)

# For list output
In [36]: find_indexes_v2(mynumpy, searched_values, invalid_val=None).tolist()
Out[36]: [4, None, 1, 5, 8]