numpy 中有没有一种很好的方法来获取 array1
中每个元素在 array2
中的逐元素索引?
一个例子:
array1 = np.array([1, 3, 4])
array2 = np.arange(-2, 5, 1, dtype=np.int)
np.where(array1[0] == array2)
# (array([3]),)
np.where(array1[1] == array2)
# (array([5]),)
np.where(array1[2] == array2)
# (array([6]),)
我想做
np.where(array1 == array2)
# (array([3 5 6]),)
这样的事情可能吗?我们保证 array1
中的所有条目都可以在 array2
中找到。
最佳答案
方法#1:使用 np.in1d
在那里获取匹配发生位置的掩码,然后使用 np.where
获取这些索引位置 -
np.where(np.in1d(array2, array1))
方法#2:使用 np.searchsorted
-
np.searchsorted(array2, array1)
请注意,如果array2
未排序,我们需要使用附加的可选参数sorter
。
示例运行 -
In [14]: array1
Out[14]: array([1, 3, 4])
In [15]: array2
Out[15]: array([-2, -1, 0, 1, 2, 3, 4])
In [16]: np.where(np.in1d(array2, array1))
Out[16]: (array([3, 5, 6]),)
In [17]: np.searchsorted(array2, array1)
Out[17]: array([3, 5, 6])
运行时测试 -
In [62]: array1 = np.random.choice(10000,1000,replace=0)
In [63]: array2 = np.sort(np.random.choice(100000,10000,replace=0))
In [64]: %timeit np.where(np.in1d(array2, array1))
1000 loops, best of 3: 483 µs per loop
In [65]: %timeit np.searchsorted(array2, array1)
10000 loops, best of 3: 40 µs per loop
关于python - 查找两个 numpy 数组之间的索引映射,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/42373654/