实现一个函数的最佳方法是什么，该函数接受任意数量的一维数组并返回包含匹配值索引(如果有)的元组。
这是我想做的一些伪代码:
a = np.array([1, 0, 4, 3, 2])
b = np.array([1, 2, 3, 4, 5])
c = np.array([4, 2])
(ind_a, ind_b, ind_c) = return_equals(a, b, c)
# ind_a = [2, 4]
# ind_b = [1, 3]
# ind_c = [0, 1]
(ind_a, ind_b, ind_c) = return_equals(a, b, c, sorted_by=a)
# ind_a = [2, 4]
# ind_b = [3, 1]
# ind_c = [0, 1]
def return_equals(*args, sorted_by=None):
...
最佳答案
为此，您可以将 numpy.intersect1d 与 reduce 结合使用:
def return_equals(*arrays):
matched = reduce(np.intersect1d, arrays)
return np.array([np.where(np.in1d(array, matched))[0] for array in arrays])
reduce 在这里可能有点慢，因为我们在这里创建中间 NumPy 数组(对于大量输入，它可能非常慢)，如果我们使用 Python 的 set<，我们可以防止这种情况 及其 .intersection() 方法:
matched = np.array(list(set(arrays[0]).intersection(*arrays[1:])))
相关 GitHub 票证:n-array versions of set operations, especially intersect1d
关于python - 为多个数组实现 numpy.in1d 的最有效方法，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/30082052/