Numpy：在更大的数组 B 中搜索具有相同模式的数组 A答案

【问题标题】：Numpy: Search for an array A with same pattern in a larger array BNumpy：在更大的数组 B 中搜索具有相同模式的数组 A
【发布时间】：2017-10-21 16:33:16
【问题描述】：

我有两个 1D numpy 数组 A(small) 和 B(large)

A=np.array([6,7,8,9,10])

B=np.array([0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,10])

我想检查我们是否在数组 B 中检测到数组 A 的元素是否以相同的顺序被检测到。获取数组 B 的索引值，从我们检测到数组 A 的开始处

Index Value returned = 6

我们是否有任何内置的 numpy 函数来执行这样的操作？

【问题讨论】：

只是为了检查 - 你的意思是它是否是一个精确的子数组......例如：如果B = [..., 6, 7, 8, 9, 11, 10] - 那是否匹配？
@JonClements 是的，你没看错。这正是我的意思。

标签： numpy

【解决方案1】：

我有时也遇到过这个问题。我认为特别是对于大型 numpy 数组来说，最快的方法是将它们转换为字符串，然后再执行。这是我使用的代码：

b=np.array([6,7,8,9,10])    
a=np.array([0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,10])
a.tostring().index(b.tostring())//a.itemsize

【讨论】：

不错，临时修复。对于数组中的少量元素。我将处理数组中的大量元素。我怀疑这是否是一种有效的使用方法，首先查看需要转换为字符串并存储在虚拟内存中的数据量。

【解决方案2】：

我找到了一个不错的解决方案。

@EdSmith 在Finding Patterns in a Numpy Array 中提供

简而言之就是这个过程

缩短被搜索数组的长度。（我的例子A）
使用 np.where 和 np.all 检查正在搜索的数组的整个长度（我的示例 B）

这不是我的代码，而是可以在 about 链接中找到的代码，简单易行。我将对其进行一些更改以适合我上面的示例希望它可以帮助某人:)

感谢@EdSmith

import numpy as np

A=np.array([6,7,8,9,10])

B=np.array([0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,10])

N = len(A)
possibles = np.where(B == A[0])[0]

solns = []
for p in possibles:
    check = B[p:p+N]
if np.all(check == A):
    solns.append(p)

print(solns)

输出

[6]

【讨论】：

【解决方案3】：

试试这个：

import numpy as np
A=np.array([6,7,8,9,10])
B=np.array([0,1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,10])
r = np.ones_like(B)
for x in range(len(A)):r*=np.roll((B==A[x]),-x)
#first index, answer: /6/ 
print(np.where(r)[0][0])

【讨论】：