NumPy：比较两个数组中的元素
任何人都遇到过这个问题？ 假设你有两个如下所示的数组
a = array([1,2,3,4,5,6]) b = array([1,4,5]) 有没有办法比较b中存在的元素？ 例如，
c = a == b # Wishful example here print c array([1,4,5]) # Or even better array([True, False, False, True, True, False])
我试图避免循环，因为它需要数百万元素的年龄。 有任何想法吗？
干杯
事实上，比起其中的任何一个都有一个更简单的解决scheme：
import numpy as np a = array([1,2,3,4,5,6]) b = array([1,4,5]) c = np.in1d(a,b)
由此产生的c是：
array([ True, False, False, True, True, False], dtype=bool)
使用np.intersect1d。
#!/usr/bin/env python import numpy as np a = np.array([1,2,3,4,5,6]) b = np.array([1,4,5]) c=np.intersect1d(a,b) print(c) # [1 4 5]
请注意，如果a或b有不唯一的元素，np.intersect1d会给出错误的答案。 在这种情况下，使用np.intersect1d_nu。
还有np.setdiff1d，setxor1d，setmember1d和union1d。 请参阅使用文档的Numpy示例列表
感谢您的回复kaiser.se。 这不是我正在寻找的东西，而是从朋友的build议和你说的我提出了以下。
import numpy as np a = np.array([1,4,5]).astype(np.float32) b = np.arange(10).astype(np.float32) # Assigning matching values from a in b as np.nan b[b.searchsorted(a)] = np.nan # Now generating Boolean arrays match = np.isnan(b) nonmatch = match == False
这是一个繁琐的过程，但它跳动编写循环或使用循环编织。
干杯
Numpy有一个函数numpy.setmember1d（），它可以在有序数组和分离数组上工作，并返回你想要的布尔数组。 如果input数组不符合标准，则需要将其转换为设置格式，并对结果进行转换。
import numpy as np a = np.array([6,1,2,3,4,5,6]) b = np.array([1,4,5]) # convert to the uniqued form a_set, a_inv = np.unique1d(a, return_inverse=True) b_set = np.unique1d(b) # calculate matching elements matches = np.setmea_set, b_set) # invert the transformation result = matches[a_inv] print(result) # [False True False False True True False]
编辑：不幸的是，在numpy的setmember1d方法是真的效率低下。 您build议的searchsorting和分配方法的工作更快，但如果您可以直接分配，您可以直接分配结果，并避免大量不必要的复制。 如果b包含不在a中的任何东西，你的方法也会失败。 以下更正了这些错误：
result = np.zeros(a.shape, dtype=np.bool) idxs = a.searchsorted(b) idxs = idxs[np.where(idxs < a.shape[0])] # Filter out out of range values idxs = idxs[np.where(a[idxs] == b)] # Filter out where there isn't an actual match result[idxs] = True print(result)
我的基准testing显示，你的方法在91us与6.6ms之间，而在1M元素a和100元素b上，numpy的setmember1d是109ms。
ebresset， 你的答案不会工作，除非a是b的一个子集（而a和b是sorting的）。 否则，searchsorted将返回错误的索引。 我不得不做类似的事情，并结合你的代码：
# Assume a and b are sorted idxs = numpy.mod(b.searchsorted(a),len(b)) idxs = idxs[b[idxs]==a] b[idxs] = numpy.nan match = numpy.isnan(b)
你的例子意味着类似集合的行为，更关心数组中的存在，而不是把正确的元素放在正确的位置。 Numpy用它的math数组和matrix做了不同的处理，它只会告诉你关于确切点的项目。 你能为你做这个工作吗？
>>> import numpy >>> a = numpy.array([1,2,3]) >>> b = numpy.array([1,3,3]) >>> a == b array([ True, False, True], dtype=bool)
