问题描述
我正在使用以下行来查找 b 的行是否在 a
a[np.all(np.isin(a[:,0:3],b[:,0:3]),axis=1),3]
数组沿 axis=1 有更多条目，我只比较前 3 个条目并返回 a 的第四个条目 (idx=3)。
我意识到的可能错误是，没有考虑条目的顺序。因此，a 和 b 的以下示例：
a = np.array([[...],[1,2,3,1000],[2,1,2000],[...]])
b = np.array([[1,3]])
将返回 [1000,2000] 而不是只有 [1000]。
如何同时考虑行的顺序？
解决方法
对于小 b（少于 100 行），试试这个：
a[(a[:,:3] == b[:,None]).all(axis=-1).any(axis=0)]
示例：
a = np.array([[1,5,0],[1,2,3,1000],[2,1,2000],[0,1]])
b = np.array([[1,3],1]])
>>> a[(a[:,None]).all(axis=-1).any(axis=0),3]
array([1000,1])
说明：
关键是将 a 的所有行（前 3 列）的相等性测试“分发”到 b 的所有行：
# on the example above
>>> a[:,None]
array([[[ True,False,False],[ True,True,True],# <-- a[1,:3] matches b[0]
[False,[False,False]],[[False,True]]]) # <-- a[3,:3] matches b[1]
请注意，这可能很大：形状为 (len(b),len(a),3)。
然后第一个 .all(axis=-1) 表示我们希望所有整行都匹配：
>>> (a[:,None]).all(axis=-1)
array([[False,True]])
最后一位 .any(axis=0) 表示：“匹配 b 中的任何行”：
>>> (a[:,None]).all(axis=-1).any(axis=0)
array([False,True])
即：“a[2,:3] 匹配 some 行 b 以及 a[3,:3]”。
最后，将其用作 a 中的掩码并取第 3 列。
性能注意事项
上述技术将 a 行与 b 行的乘积相等。如果 a 和 b 都有很多行，这会很慢并且会使用大量内存。
作为替代方案，您可以在纯 Python 中使用 set 成员资格（无需对列进行子集设置 -- 这可以由调用者完成）：
def py_rows_in(a,b):
z = set(map(tuple,b))
return [row in z for row in map(tuple,a)]
当 b 有超过 50~100 行时，这可能比上面的 np 版本更快，这里写成一个函数：
def np_rows_in(a,b):
return (a == b[:,None]).all(axis=-1).any(axis=0)
import perfplot
fig,axes = plt.subplots(ncols=2,figsize=(16,5))
plt.subplots_adjust(wspace=.5)
for ax,alen in zip(axes,[100,10_000]):
a = np.random.randint(0,20,(alen,4))
plt.sca(ax)
ax.set_title(f'a: {a.shape[0]:_} rows')
perfplot.show(
setup=lambda n: np.random.randint(0,(n,3)),kernels=[
lambda b: np_rows_in(a[:,:3],b),lambda b: py_rows_in(a[:,],labels=['np_rows_in','py_rows_in'],n_range=[2 ** k for k in range(10)],xlabel='len(b)',)
plt.show()
