在 NumPy 中复制 Matlab 的 ISMEMBER 函数的索引结果？

Question

我一直在绞尽脑汁寻找与older question 类似的解决方案。我一直在尝试找到一个复制索引结果的 Python 代码模式。例如：

A = [3;4;4;3;6]
B = [2;5;2;6;3;2;2;5]
[tf ix] = ismember(A,B)
>> A(tf)

ans =

     3
     3
     6
>> B(ix(tf))

ans =

     3
     3
     6

这允许我做的是，如果数组 C 的排序方式与 B 相同，我现在可以适当地将 C 的值插入到新数组 D 中，该数组的排序方式与 A 相同。我执行数据映射很多！我希望它适用于各种数据类型，尤其是字符串和日期时间。似乎 numpy 的 in1d 让我走到了一半。我也对其他 Pythonic 想法持开放态度！

D(tf) = C(ix(tf))

谢谢！

Answer 1

import numpy as np

A = np.array([3,4,4,3,6])
B = np.array([2,5,2,6,3,6,2,2,5])

def ismember(a, b):
    # tf = np.in1d(a,b) # for newer versions of numpy
    tf = np.array([i in b for i in a])
    u = np.unique(a[tf])
    index = np.array([(np.where(b == i))[0][-1] if t else 0 for i,t in zip(a,tf)])
    return tf, index

tf,ix=ismember(A,B)
print(tf)
# [ True False False  True  True]
print(ix)
# [4 0 0 4 5]
print(A[tf])
# [3 3 6]
print(B[ix[tf]])
# [3 3 6]