如何在两个不同大小的numpy列表数组中获取相似列表的布尔矩阵答案

【问题标题】：How to get Boolean matrix for similar lists in two different-size numpy arrays of lists如何在两个不同大小的numpy列表数组中获取相似列表的布尔矩阵
【发布时间】：2021-06-11 20:14:07
【问题描述】：

首先，我写了一个 to list 的小例子：

F = [[1,2,3],[3,2,7],[4,4,1],[5,6,3],[1,3,7]]          # (1*5)     5 lists
S = [[1,3,7],[6,8,1],[3,2,7]]                          # (1*3)     3 lists

我想在两个 F 和 S 中获取相同“列表”的布尔矩阵：

[False, True, False, False, True]                      #  (1*5)    5 Booleans for 5 lists of F

通过使用IM = reduce(np.in1d, (F, S))，它会为每个 F 列表中的每个数字提供结果：

[ True  True  True  True  True  True False False  True False  True  True
  True  True  True]       # (1*15)

通过使用IM = reduce(np.isin, (F, S))，它也会为每个 F 列表中的每个数字提供结果，但形状不同：

[[ True  True  True]
 [ True  True  True]
 [False False  True]
 [False  True  True]
 [ True  True  True]]           # (5*3)

示例列表的代码IM = [i in S for i in F] 将实现真正的结果，但是当我将此代码用于我的两个主要的更大的 numpy 列表数组时：

https://drive.google.com/file/d/1YUUdqxRu__9-fhE1542xqei-rjB3HOxX/view?usp=sharing

numpy 数组：3036 个列表

https://drive.google.com/file/d/1FrggAa-JoxxoRqRs8NVV_F69DdVdiq_m/view?usp=sharing

numpy 数组：300 个列表

它给出了错误的答案。对于主文件，它必须给出 3036 布尔值，其中“真”只有 300 个数字。我不明白为什么会得到错误的答案？？似乎它仅适用于每个 F 列表中的第三个字符。最好通过 np.in1d 和 np.isin 这两个函数来使用 reduce 函数，而不是最后一种方法。上述三种方法如何分别解决？？

【问题讨论】：

标签： python list numpy scipy numpy-ndarray

【解决方案1】：

让我知道这是否有效，

[x for x in map(lambda m: m in S, F)]

【讨论】：

没有。它不起作用；结果为IM = [i in S for i in F]

【解决方案2】：

问题已通过“tolist”将输入转换为列表来解决，其中 IM = [i in S for i in F] 和 IM = [x for x in map(lambda m: m in S, F )] 代码；但是，这些类型的转换会少量降低精度。如果问题可以通过诸如 np.logical_and 除了 reduce 之类的 numpy 函数来解决，那将很有用。

【讨论】：