在 2D numpy 数组中查找值的索引

Question

我正在尝试从 numpy 数组中获取索引值，但我尝试使用 intersects 但无济于事。我只是想在 2 个数组中找到类似的值。一个是 2D，我正在选择一列，另一个是 1D，只是要搜索的值列表，因此实际上只有 2 个 1D 数组。

我们称这个数组为：

 array([[    1, 97553,     1],
       [    1, 97587,     1],
       [    1, 97612,     1],
       [    1, 97697,     1],
       [    1, 97826,     3],
       [    1, 97832,     1],
       [    1, 97839,     1],
       [    1, 97887,     1],
       [    1, 97944,     1],
       [    1, 97955,     2]])

我们正在搜索values = numpy.array([97612, 97633, 97697, 97999, 97943, 97944])

所以我试试：

numpy.where(a[:, 1] == values)

我希望有一堆值的索引，但我得到一个空数组，它吐出[(array([], dtype=int64),)]。

如果我尝试这个：

numpy.where(a[:, 1] == 97697)

它给了我(array([2]),)，这是我所期望的。

我在这里缺少什么奇怪的数组？或者是否有更简单的方法来做到这一点？查找数组索引和匹配数组似乎根本不像我预期的那样工作。当我想通过索引或唯一值查找数组的并集或相交时，它似乎不起作用。任何帮助都会很棒。谢谢。

编辑： 根据沃伦斯的要求：

import numpy

a = numpy.array([[    1, 97553,     1],
       [    1, 97587,     1],
       [    1, 97612,     1],
       [    1, 97697,     1],
       [    1, 97826,     3],
       [    1, 97832,     1],
       [    1, 97839,     1],
       [    1, 97887,     1],
       [    1, 97944,     1],
       [    1, 97955,     2]])

values = numpy.array([97612, 97633, 97697, 97999, 97943, 97944])

我发现numpy.in1d 会给我一个正确的布尔值真值表来进行操作，其中包含一个应该映射到原始数据的相同长度的一维数组。我现在唯一的问题是如何处理它，例如删除或修改这些索引处的原始数组。我可以用循环费力地做到这一点，但据我所知，numpy 有更好的方法。从我能找到的数据来看，作为掩码的真值表应该非常强大。

Answer 1

np.where 与单个参数等效于 np.nonzero。它为您提供条件（输入数组）为True 的索引。

在您的示例中，您正在检查 a[:,1] 和 values 之间的元素相等性

a[:, 1] == values
False

所以它给了你正确的结果：输入中没有索引是True。

您应该改用 np.isin

np.isin(a[:,1], values)
array([False, False,  True,  True, False, False, False, False,  True, False], dtype=bool)

现在您可以使用 np.where 来获取索引

np.where(np.isin(a[:,1], values))
(array([2, 3, 8]),)

并使用它们来寻址原始数组

a[np.where(np.isin(a[:,1], values))]    
array([[    1, 97612,     1],
       [    1, 97697,     1],
       [    1, 97944,     1]])

您最初使用简单相等检查的解决方案确实可以使用正确的broadcasting：

np.where(a[:,1] == values[..., np.newaxis])[1]
array([2, 3, 8])

---

编辑：鉴于您似乎在使用上述结果来索引和操作您的数组时遇到问题，这里有几个简单的示例

现在您应该有两种方法可以访问原始数组中的匹配元素，二进制掩码或来自np.where 的索引。

mask = np.isin(a[:,1], values)  # np.in1d if np.isin is not available
idx = np.where(mask)

假设您要将所有匹配的行设置为零

a[mask] = 0   # or a[idx] = 0
array([[    1, 97553,     1],
       [    1, 97587,     1],
       [    0,     0,     0],
       [    0,     0,     0],
       [    1, 97826,     3],
       [    1, 97832,     1],
       [    1, 97839,     1],
       [    1, 97887,     1],
       [    0,     0,     0],
       [    1, 97955,     2]])

或者你想将匹配行的第三列乘以100

a[mask, 2] *= 100
array([[    1, 97553,     1],
       [    1, 97587,     1],
       [    1, 97612,   100],
       [    1, 97697,   100],
       [    1, 97826,     3],
       [    1, 97832,     1],
       [    1, 97839,     1],
       [    1, 97887,     1],
       [    1, 97944,   100],
       [    1, 97955,     2]])

或者你想删除匹配的行（这里使用索引比掩码更方便）

np.delete(a, idx, axis=0)
array([[    1, 97553,     1],
       [    1, 97587,     1],
       [    1, 97826,     3],
       [    1, 97832,     1],
       [    1, 97839,     1],
       [    1, 97887,     1],
       [    1, 97955,     2]])

Answer 2

只是一个想法：

尝试展平二维数组并使用 numpy.intersect1d 进行比较。

https://docs.scipy.org/doc/numpy-1.14.0/reference/generated/numpy.ndarray.flatten.html

https://docs.scipy.org/doc/numpy-1.14.0/reference/generated/numpy.intersect1d.html