假设我有两个列表(长度总是相同):
l0 = [0, 4, 4, 4, 0, 0, 0, 8, 8, 0]
l1 = [0, 1, 1, 1, 0, 0, 0, 8, 8, 8]
在按元素比较这些列表时,我需要应用以下交集和并集规则:
# union and intersect
uni = [0]*len(l0)
intersec = [0]*len(l0)
for i in range(len(l0)):
if l0[i] == l1[i]:
uni[i] = l0[i]
intersec[i] = l0[i]
else:
intersec[i] = 0
if l0[i] == 0:
uni[i] = l1[i]
elif l1[i] == 0:
uni[i] = l0[i]
else:
uni[i] = [l0[i], l1[i]]
因此,期望的输出是:
uni: [0, [4, 1], [4, 1], [4, 1], 0, 0, 0, 8, 8, 8]
intersec: [0, 0, 0, 0, 0, 0, 0, 8, 8, 0]
虽然这可行,但我需要对数百个非常大的列表(每个列表都有数千个元素)执行此操作,因此我正在寻找一种对其进行矢量化的方法。我尝试使用 np.where
和各种掩码策略,但速度很快。欢迎提出任何建议。
* 编辑 *
关于
uni: [0, [4, 1], [4, 1], [4, 1], 0, 0, 0, 8, 8, 8]
对比
uni: [0, [4, 1], [4, 1], [4, 1], 0, 0, 0, 8, 8, [0, 8]]
我仍然在脑海中与 8 和 [0, 8] 作斗争。这些列表源自系统注释中的 BIO 标签(参见 IOB labeling of text chunks ),其中每个列表元素是文档中的字符索引,而 vakue 是分配的枚举标签。 0代表一个标签代表没有注释(即,用于确定混淆矩阵中的负数);而非零元素表示为该字符分配的枚举标签。由于我忽略了真正的否定,我想我可以说 8 等同于 [0, 8]。至于这是否简化了事情,我还不确定。
* 编辑 2 *
我使用 [0, 8]
是为了让事情变得简单,并使 intersection
和 union
的定义与集合论保持一致.
最佳答案
我不会称它们为“交集”和“并集”,因为这些操作在集合上具有明确定义的含义,而您要执行的操作既不是它们。
然而,做你想做的:
l0 = [0, 4, 4, 4, 0, 0, 0, 8, 8, 0]
l1 = [0, 1, 1, 1, 0, 0, 0, 8, 8, 8]
values = [
(x
if x == y else 0,
0
if x == y == 0
else x if y == 0
else y if x == 0
else [x, y])
for x, y in zip(l0, l1)
]
result_a, result_b = map(list, zip(*values))
print(result_a)
print(result_b)
这对于数千甚至数百万个元素来说绰绰有余,因为操作非常基础。当然,如果我们谈论的是数十亿,您可能还是想看看 numpy。
关于python - 如何向量化此操作,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/57847157/