有没有一种快速的方法可以找到 2d 数组在 3d 数组中的所有索引?
我有这个 3d numpy 数组:
arr = np.array([
[[0,1],[0,2],[0,3],[0,4],[0,4],[0,5],[0,5],[0,5],[0,5],[0,5]],
[[0,1],[0,2],[0,2],[0,2],[0,3],[0,4],[0,4],[0,4],[0,5],[0,5]],
[[0,1],[0,2],[0,3],[0,3],[0,3],[0,4],[0,4],[0,5],[0,5],[0,5]]
])
我想找到 [0,4]
出现的所有索引。
我试过这个:
whereInd = np.argwhere(arr == np.array([0,4]))
但它不起作用。 预期结果是:
[[0 3],[0 4],[1 5],[1 6],[1 7],[2 5],[2 6]]
另一个问题是,这样会不会很快?因为我想将它用于 (10000,100,2)
数组。
最佳答案
使用 argwhere()
是个好主意,但您还需要使用 all()
来获得所需的输出:
>>> np.argwhere((arr == [0, 4]).all(axis=2))
array([[0, 3],
[0, 4],
[1, 5],
[1, 6],
[1, 7],
[2, 5],
[2, 6]])
此处all()
用于检查比较后的每一行是否为[True, True]
(即该行等于[0 , 4]
).在 3D 数组中,axis=2
指向行。
这会将维数减少为两个,并且 argwhere()
返回所需的索引数组。
关于性能,此方法应该相当快地处理您指定大小的数组:
In [20]: arr = np.random.randint(0, 10, size=(10000, 100, 2))
In [21]: %timeit np.argwhere((arr == [0, 4]).all(axis=2))
10 loops, best of 3: 44.9 ms per loop
关于python - 在 3d 数组中查找 2d 数组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/30692593/