您好,我正在尝试在包含多个二维数组的数组中执行搜索操作,将其元素与特定数组进行比较。我设法使用 for 循环遍历大数组中的 itens 来做到这一点,但我必须执行此搜索 10^6 次,并且此 for 循环的长度可以增长到 2^100,因此它变得非常耗时。我想知道是否有一种方法可以使用 np.where 或 np.isin() 函数加快搜索速度。
这是慢速工作方法的一个例子
import numpy as np
frequencies = {}
b = np.array ([[0, 0, 0], [0, 0, 0], [1, 1, 1]]) #template
a = np.array([[[1, 1, 1], [0, 0, 0], [0, 0, 0]], [[0, 0, 0], [1, 1, 1], [0, 0, 0]],[[0, 0, 0], [0, 0, 0], [1, 1, 1]],[[0, 0, 1], [0, 0, 1], [0, 0, 1]],[[0, 1, 0], [0, 1, 0], [0, 1, 0]],[[1, 0, 0], [1, 0, 0], [1, 0, 0]]])
#I need to know if b is inside a and the index where it its located
for I in range (a):
if np.all(b==a[I]):
frequencies [I] = frequencies [I] + 1
我想做这样的事情。我需要将在 a 中找到 b 的索引存储在字典 frequencies/的索引 c 中p>
import numpy as np
frequencies = {}
b = np.array ([[0, 0, 0], [0, 0, 0], [1, 1, 1]]) #template
a = np.array([[[1, 1, 1], [0, 0, 0], [0, 0, 0]], [[0, 0, 0], [1, 1, 1], [0, 0, 0]],[[0, 0, 0], [0, 0, 0], [1, 1, 1]],[[0, 0, 1], [0, 0, 1], [0, 0, 1]],[[0, 1, 0], [0, 1, 0], [0, 1, 0]],[[1, 0, 0], [1, 0, 0], [1, 0, 0]]])
c = np.where(np.all(b==a))
frequencies [c] = frequencies [c] + 1
最佳答案
您可以将 NumPy.all
与双轴一起使用,然后使用 NumPy.argwhere
查找索引,如下所示:
b = np.array ([[0, 0, 0], [0, 0, 0], [1, 1, 1]])
a = np.array([[[1, 1, 1], [0, 0, 0], [0, 0, 0]], [[0, 0, 0], [1, 1, 1], [0, 0, 0]],[[0, 0, 0], [0, 0, 0], [1, 1, 1]],[[0, 0, 1], [0, 0, 1], [0, 0, 1]],[[0, 1, 0], [0, 1, 0], [0, 1, 0]],[[1, 0, 0], [1, 0, 0], [1, 0, 0]]])
np.all(b == a, axis=(-1))
# array([[False, True, False],
# [ True, False, False],
# [ True, True, True],
# [False, False, False],
# [False, False, False],
# [False, False, False]])
np.all(b == a, axis=(-1,1))
# array([False, False, True, False, False, False])
indexs = np.argwhere(np.all(b == a, axis=(-1, 1)))
输出:
>>> indexs
array([[2]])
关于python - 在另一个包含多个二维数组的数组中查找二维数组的最快方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/71721736/