使用 numpy 进行元素“输入”的 Pythonic 和有效方法

Question

我正在寻找一种有效获取布尔数组的方法，其中给定两个大小相等的数组a 和b，如果a 的对应元素出现in，则每个元素都为真b的对应元素。

例如下面的程序：

a = numpy.array([1, 2, 3, 4])
b = numpy.array([[1, 2, 13], [2, 8, 9], [5, 6], [7]])
print(numpy.magic_function(a, b))

应该打印

[True, True, False, False]

记住这个函数应该相当于

[x in y for x, y in zip(a, b)]

仅numpy-针对a 和b 很大且b 的每个元素都相当小的情况进行了优化。

Answer 1

要利用 NumPy 的 broadcasting 规则，您应该首先使数组 b 平方，这可以使用 itertools.izip_longest 来实现：

from itertools import izip_longest

c = np.array(list(izip_longest(*b))).astype(float)

导致：

array([[  1.,   2.,   5.,   7.],
       [  2.,   8.,   6.,  nan],
       [ 13.,   9.,  nan,  nan]])

然后，根据广播规则，通过np.isclose(c, a)，您会得到一个显示每个c[:, i] 和a[i] 之间差异的二维布尔数组，给出：

array([[ True,  True, False, False],
       [False, False, False, False],
       [False, False, False, False]], dtype=bool)

哪个可以用来获取你的答案：

np.any(np.isclose(c, a), axis=0)
#array([ True,  True, False, False], dtype=bool)

Answer 2

b中的小列表长度有上限吗？如果是这样，也许您可​​以将b 设为 1000x5 的矩阵，并使用nan 来填补太短的子数组的空白。然后您可以使用numpy.any 来获得您想要的答案，如下所示：

In [42]: a = np.array([1, 2, 3, 4])
    ...: b = np.array([[1, 2, 13], [2, 8, 9], [5, 6], [7]])

In [43]: bb = np.full((len(b), max(len(i) for i in b)), np.nan)

In [44]: for irow, row in enumerate(b):
    ...:     bb[irow, :len(row)] = row

In [45]: bb
Out[45]: 
array([[  1.,   2.,  13.],
       [  2.,   8.,   9.],
       [  5.,   6.,  nan],
       [  7.,  nan,  nan]])

In [46]: a[:,np.newaxis] == bb
Out[46]: 
array([[ True, False, False],
       [ True, False, False],
       [False, False, False],
       [False, False, False]], dtype=bool)

In [47]: np.any(a[:,np.newaxis] == bb, axis=1)
Out[47]: array([ True,  True, False, False], dtype=bool)

不知道这对您的数据是否更快。

Answer 3

总结

Sauldo Castro 的方法在迄今为止发布的方法中运行得最快。原始帖子中的生成器表达式是第二快的。

生成测试数据的代码：

import numpy
import random

alength = 100
a = numpy.array([random.randint(1, 6) for i in range(alength)])
b = []
for i in range(alength):
    length = random.randint(1, 5)
    element = []
    for i in range(length):
        element.append(random.randint(1, 6))
    b.append(element)
b = numpy.array(b)
print a, b

选项：

from itertools import izip_longest
def magic_function1(a, b): # From OP Martin Fixman
    return [x in y for x, y in zip(a, b)]  

def magic_function2(a, b): # What I thought might be better.
    bools = []
    for x, y in zip(a,b):
        found = False
        for j in y:
            if x == j:
                found=True
                break
        bools.append(found)

def magic_function3(a, b): # What I tried first
    bools = []
    for i in range(len(a)):
        found = False
        for j in range(len(b[i])):
            if a[i] == b[i][j]:
                found=True
                break
        bools.append(found)

def magic_function4(a, b): # From Bas Swinkels
    bb = numpy.full((len(b), max(len(i) for i in b)), numpy.nan)
    for irow, row in enumerate(b):
        bb[irow, :len(row)] = row
    a[:,numpy.newaxis] == bb
    return numpy.any(a[:,numpy.newaxis] == bb, axis=1)

def magic_function5(a, b): # From Sauldo Castro, revised version
    c = numpy.array(list(izip_longest(*b))).astype(float)
    return numpy.isclose(c, a), axis=0)  

时间 n_executions

n_executions = 100
clock = timeit.Timer(stmt="magic_function1(a, b)", setup="from __main__ import magic_function1, a, b")
print clock.timeit(n_executions), "seconds"
# Repeat with each candidate function

结果：

• magic_function1 为 0.158078225475 秒
• magic_function2 为 0.181080926835 秒
• magic_function3 为 0.259621047822 秒
• magic_function4 为 0.287054750224 秒
• magic_function5 为 0.0839162196207 秒