Python 在numpy数组中检测有序对
我使用numpy数组来保存有序对的列表（表示网格坐标）。我正在编写的算法需要检查新生成的有序对是否已经在这个数组中。下面是代码的示意图：Python 在numpy数组中检测有序对,python,numpy,Python,Numpy,我使用numpy数组来保存有序对的列表（表示网格坐标）。我正在编写的算法需要检查新生成的有序对是否已经在这个数组中。下面是代码的示意图： cluster=np.array([[x1,y1]]) cluster=np.append(cluster,[[x2,y2]],axis=0) cluster=np.append...etc. new_spin=np.array([[x,y]]) if new_spin in cluster==False: do something 当前代码的问
cluster=np.array([[x1,y1]])
cluster=np.append(cluster,[[x2,y2]],axis=0)
cluster=np.append...etc.
new_spin=np.array([[x,y]])
if new_spin in cluster==False:
do something
new\u spin in clusterxy集群中，但这并不能确保它们以有序对的形式出现。为了确保它们以有序对的形式出现，我必须找到x
和y
出现在cluster
中的索引，并对它们进行比较，这看起来非常笨拙和不雅观，我确信一定有更好的解决方案。然而，我自己还没能解决这个问题
感谢您的帮助。让我们来看一个例子：
In [7]: import numpy as np
In [8]: cluster = np.random.randint(10, size = (5,2))
In [9]: cluster
Out[9]:
array([[9, 7],
[7, 2],
[8, 9],
[1, 3],
[3, 4]])
In [10]: new_spin = np.array([[1,2]])
In [11]: new_spin == cluster
Out[11]:
array([[False, False],
[False, True],
[False, False],
[ True, False],
[False, False]], dtype=bool)
new\u spin==cluster
是一个数据类型为bool
的numpy数组。如果簇中的值等于新旋转中的相应值，则为真
要使new\u spin
位于cluster
中，上述布尔数组的行必须全部为真。我们可以通过调用all（axis=1）
方法找到这些行：
In [12]: (new_spin == cluster).all(axis = 1)
Out[12]: array([False, False, False, False, False], dtype=bool)
因此new\u spin
是“在”cluster
，如果行中的任何一行都是真的：
In [13]:
In [14]: (new_spin == cluster).all(axis = 1).any()
Out[14]: False
顺便说一下，np.append
是一个非常慢的操作——比Pythonlist.append
慢。如果您避免np.append
，您可能会获得更好的性能。如果cluster
不是太大，那么最好让cluster成为一个Python列表——至少在您完成附加项之前是这样。然后，如果需要，将cluster
转换为cluster=np的numpy数组。数组（cluster）
让我们通过一个示例：
In [7]: import numpy as np
In [8]: cluster = np.random.randint(10, size = (5,2))
In [9]: cluster
Out[9]:
array([[9, 7],
[7, 2],
[8, 9],
[1, 3],
[3, 4]])
In [10]: new_spin = np.array([[1,2]])
In [11]: new_spin == cluster
Out[11]:
array([[False, False],
[False, True],
[False, False],
[ True, False],
[False, False]], dtype=bool)
new\u spin==cluster
是一个数据类型为bool
的numpy数组。如果簇中的值等于新旋转中的相应值，则为真
要使new\u spin
位于cluster
中，上述布尔数组的行必须全部为真。我们可以通过调用all（axis=1）
方法找到这些行：
In [12]: (new_spin == cluster).all(axis = 1)
Out[12]: array([False, False, False, False, False], dtype=bool)
因此new\u spin
是“在”cluster
，如果行中的任何一行都是真的：
In [13]:
In [14]: (new_spin == cluster).all(axis = 1).any()
Out[14]: False
顺便说一下，np.append
是一个非常慢的操作——比Pythonlist.append
慢。如果您避免np.append
，您可能会获得更好的性能。如果cluster
不是太大，那么最好让cluster成为一个Python列表——至少在您完成附加项之前是这样。然后，如果需要，将cluster
转换成一个带有cluster=np的numpy数组。array（cluster）
这有点烦人，因为numpy中有一个与之相关的小错误这有点烦人，因为numpy中有一个与之相关的小错误。我最终使用了一个列表列表列表列表，可以使用一个简单的（x，y）进行查询在cluster
语句中没有问题（因为我的一个朋友指出列表应该比数组更快使用，而且我并不真的需要它成为数组——我只是习惯于将它们作为数据类型使用）。我喜欢你关于使用数组的回答，很高兴知道任何一个都可以接受轴。@DylanB从内置数据类型来看，set
很可能比列表更好，因为它在
中的效率更高。我确实使用了列表列表，可以使用简单的（x，y）查询列表在cluster
语句中没有问题（因为我的一个朋友指出列表应该比数组更快使用，而且我并不真的需要它成为数组——我只是习惯于将它们作为数据类型使用）。我喜欢你使用数组的答案，很高兴知道任何一个都可以接受轴。@DylanB从内置数据类型来看，set
很可能比列表更可取，因为它在
中的效率更高。