比较两个不同大小的numpy数组的最佳方法[重复]答案

【问题标题】：Best way to compare two numpy array of different sizes [duplicate]比较两个不同大小的numpy数组的最佳方法[重复]
【发布时间】：2019-11-07 08:59:49
【问题描述】：

我有 2 个不同大小的 numpy arrays。从理论上讲，一个将是另一个的子集。我想在较大的numpy array 中找到其值与较小子集匹配的索引。

例如

A = [ 7.52   8.32  16.96  20.05 -24.96 -42.69 -47.47  55.04 -57.62   2.03
  61.94  64.41 -71.3   93.6  151.65 151.75  -0.43  -3.18   4.59  -5.55
   6.44  -9.48   9.31   0.67 -14.34  -8.09  16.23  17.69  19.46  23.52
 -52.59]

B = [61.94 16.23 19.46 -5.55 -0.43 93.6]

2 for 循环会执行此操作，但我想知道是否有 python 方法可以更快地执行此操作。

我尝试了一个循环，但它不起作用（我怀疑numpy.where 不适用于不同大小的数组）

    def get_index(self, lst_1, lst_2):
        tmp_list = list()
        for i in range(min(len(lst_1), len(lst_2))):
            if np.where(lst_2[i] == lst_1):
                tmp_list.append(i)

        return tmp_list

任何建议将不胜感激:)

谢谢

【问题讨论】：

标签： python numpy

【解决方案1】：

您可以使用np.in1d 来检查哪些索引匹配，您将得到一个布尔数组。

>>> np.in1d(A,B)
array([False, False, False, False, False, False, False, False, False,
       False,  True, False, False,  True, False, False,  True, False,
       False,  True, False, False, False, False, False, False,  True,
       False,  True, False, False])

然后您可以执行以下操作以获取实际索引：

>>> np.arange(A.shape[0])[np.in1d(A,B)]
array([10, 13, 16, 19, 26, 28])

注意：这对大型数组执行得非常快，反之则很容易检查。 np.in1d(A,B,invert=True) 或 np.arange(A.shape[0])[~np.in1d(A,B)]

编辑：正如 cmets 中所建议的那样，一种非常明显的方式（我错过了，天知道为什么？！）获取索引：np.nonzero(np.in1d(A,B))

【讨论】：

获取索引的更紧凑的方法是np.nonzero(np.in1d(A, B))
@DanielF 是的。为什么我不这样做超出了我的能力范围！