numpy中索引的逆运算是什么？

Question

我有两个数组a 和b，长度分别为n 和m，其中n > m、a 的值在1、...、m 和b 中是一个排列1,...,m:

# n > m
n = 20000
m = 10000

a = np.random.randint(1, m + 1, size=n)
b = np.random.permutation(m) + 1

如何找到长度为 n 的数组 c，其值为 1,...,m 以使以下成立？

assert(b[c-1]==a)

Answer 1

这是一种方式：

_, c = np.nonzero(b == a[:, None])
assert np.allclose(b[c], a)

请注意，它将b[c] 断言为a 而不是b[c-1]。

工作：

b == a[:, None] 行返回一个形状为 n x m 的布尔数组，其中每一行将a 的第行索引元素与b 的所有元素进行比较。这就是为什么在对应的列索引col 中有True 的行中有m 布尔元素，其中来自a 的元素等于b[col]。这使用broadcasting 进行元素比较。

这是一个小插图：

>>> m = 5
>>> n = 10
>>> a = np.random.randint(1, m+1, size=n)
>>> b = np.random.permutation(m) + 1
>>> a
array([5, 4, 2, 1, 4, 2, 5, 4, 5, 2])
>>> b
array([3, 5, 1, 2, 4])
>>> b == a[:, None]
array([[False,  True, False, False, False],
       [False, False, False, False,  True],
       [False, False, False,  True, False],
       [False, False,  True, False, False],
       [False, False, False, False,  True],
       [False, False, False,  True, False],
       [False,  True, False, False, False],
       [False, False, False, False,  True],
       [False,  True, False, False, False],
       [False, False, False,  True, False]])

在应用 np.nonzero() 时，在此 2D 布尔数组上，您将获得 2 个 1D 数组，其中传递数组具有 True 元素的行和列索引，即，布尔数组的每个(i[k], j[k]) 位置都有True。在这里，我将行和列索引数组显示为i 和j。

>>> i, j = np.nonzero(b == a[:, None])
>>> i
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> j
array([1, 4, 3, 2, 4, 3, 1, 4, 1, 3])

在某种程度上，j 列给出了如何通过使用j 索引b 来获得数组a。

>>> b[j]
array([5, 4, 2, 1, 4, 2, 5, 4, 5, 2])
>>> a
array([5, 4, 2, 1, 4, 2, 5, 4, 5, 2])

基本上，a 中的元素来自 set b。上面的思路只是比较a中的每个元素在b中出现的位置，然后得到对应的索引。