实现函数的最佳方法是采用任意数量的1d数组并返回一个包含匹配值索引(如果有)的元组。
这是我想做的一些伪代码:
a = np.array([1, 0, 4, 3, 2])
b = np.array([1, 2, 3, 4, 5])
c = np.array([4, 2])
(ind_a, ind_b, ind_c) = return_equals(a, b, c)
# ind_a = [2, 4]
# ind_b = [1, 3]
# ind_c = [0, 1]
(ind_a, ind_b, ind_c) = return_equals(a, b, c, sorted_by=a)
# ind_a = [2, 4]
# ind_b = [3, 1]
# ind_c = [0, 1]
def return_equals(*args, sorted_by=None):
...
您可以使用numpy.intersect1d
与reduce
此:
def return_equals(*arrays):
matched = reduce(np.intersect1d, arrays)
return np.array([np.where(np.in1d(array, matched))[0] for array in arrays])
reduce
可能有点慢,因为在这里创建中间的NumPy数组(对于大量输入,它可能很慢),如果我们使用Pythonset
及其.intersection()
方法可以避免这种情况:
matched = np.array(list(set(arrays[0]).intersection(*arrays[1:])))
相关GitHub票证:集合操作的n数组版本,尤其是intersect1d
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句