基于所有行值的 Numpy 过滤答案

【问题标题】：Numpy filtering based on all row values基于所有行值的 Numpy 过滤
【发布时间】：2019-03-05 09:41:03
【问题描述】：

我正在尝试使用另一个 2D numpy 数组值过滤 2D numpy 数组。像这样的：

array1 = np.array([[ 0,  0],
                   [86,  4],
                   [75, 74],
                   [78, 55],
                   [53, 94],
                   [49, 83],
                   [99, 75],
                   [99, 10],
                   [32,  4],
                   [55, 99],
                   [62, 95],
                   [ 0,  0]])
array2 = np.array([[55, 99],
                   [32,  4],
                   [75, 74]])
array1[np.isin(array1, array2[2:5]).all(axis=1) == 0]

我的理想输出将是 array1 的过滤版本，其中没有与 array2 切片中的行相等的行。问题是当我这样做时：

np.isin(array1, array[2:5])

输出是：

array([[False, False],
   [False,  True],
   [ True,  True],
   [False,  True],
   [False, False],
   [False, False],
   [ True,  True],
   [ True, False],
   [ True,  True],
   [ True,  True],
   [False, False],
   [False, False]])

它错误地将 [99,75] 行分类为 [True, True]，因为这两个值都单独存在于我们的数组 2 中。是否有更正确的方法来根据行的所有值进行过滤？

【问题讨论】：

标签： python numpy

【解决方案1】：

这是使用 np.all() 执行此操作的一种低效但非常明确的方法：

# for each row in array2, check full match with each row in array1
bools = [np.all(array1==row,axis=1) for row in array2]

# combine 3 boolean arrays with 'or' logic
mask = [any(tup) for tup in zip(*bools)]

# flip the mask
mask = ~np.array(mask)

# final index
out = array1[mask]

【讨论】：

我试图实现有序交叉算法。如果您的所有行都是唯一的，则此方法有效。如果有人尝试这样做，请确保您的所有行也是唯一的。
对不起，我想我不太明白 - 如果array1 或 array2 中有重复项，上面的代码应该可以工作。如果行不是唯一的，你能分享更多关于这个问题的信息吗？
您的解决方案完美运行。有序交叉是遗传算法中使用的一种方法。例如，这些可以是您的父母 A = [a,b,c,a,c,b], B=[a,c,b,c,a,b]。要创建一个孩子，您可以使用有序交叉。你随机切片。（即2-4）。从 A 你取 2-4 片。孩子 = [,,c,a,,]。您从 B 中删除第一次出现的 c 和 a，然后按照它们出现的顺序将剩余的基因放入 child。我使用遗传算法创建了一个旅行商求解器。我的基因中没有任何重复。如果有人想尝试相同的方法，他们应该知道它会删除重复项。