Python：交集索引numpy数组

Python：交集索引numpy数组

您可以使用产生的布尔数组

in1d

为编制索引

arange

。反转

a

以使索引不同于值：

>>> a[::-1]array([10,  9,  8,  7,  6,  5,  4,  3,  2,  1,  0])>>> a = a[::-1]

intersect1d

仍然返回相同的值…

>>> numpy.intersect1d(a, b)array([ 2,  7, 10])

但是

in1d

返回一个布尔数组：

>>> numpy.in1d(a, b)array([ True, False, False,  True, False, False, False, False,  True,       False, False], dtype=bool)

可以用来索引范围：

>>> numpy.arange(a.shape[0])[numpy.in1d(a, b)]array([0, 3, 8])>>> indices = numpy.arange(a.shape[0])[numpy.in1d(a, b)]>>> a[indices]array([10,  7,  2])

为了简化以上，不过，你可以使用

nonzero

-这可能是最正确的做法，因为它返回的统一名单的元组

X

，

Y

…坐标：

>>> numpy.nonzero(numpy.in1d(a, b))(array([0, 3, 8]),)

或者，等效地：

>>> numpy.in1d(a, b).nonzero()(array([0, 3, 8]),)

结果可以用作

a

没有问题的相同形状数组的索引。

>>> a[numpy.nonzero(numpy.in1d(a, b))]array([10,  7,  2])

但是请注意，在许多情况下，仅使用布尔数组本身，而不是将其转换为一组非布尔索引是有意义的。

最后，您还可以将boolean数组传递给

argwhere

，从而产生形状略有不同的结果，该结果不适合索引，但可能对其他目的很有用。

>>> numpy.argwhere(numpy.in1d(a, b))array([[0],       [3],       [8]])