Python 匹配两个二维数组的行，并使用numpy获得行索引映射

假设您有两个二维数组A和B，并且您想检查B中包含A行的位置。 如何使用numpy最有效地实现这一点

例如

我知道如何使用inad（）检查a的行是否在B中，但这并不能生成索引映射

此映射的目的是（最终）基于某些列将两个数组合并在一起。
当然可以一行一行地做，但是效率很低，因为我的数组有这个形状（5000万，20）

另一种方法是使用，但我只想使用numpy

这是一个基于

视图的视图。使用
np.argwhere
（）返回满足条件（在本例中为成员资格）的元素的索引-

def view1D(a, b): # a, b are arrays
    a = np.ascontiguousarray(a)
    b = np.ascontiguousarray(b)
    void_dt = np.dtype((np.void, a.dtype.itemsize * a.shape[1]))
    return a.view(void_dt).ravel(),  b.view(void_dt).ravel()

def argwhere_nd(a,b):
    A,B = view1D(a,b)
    return np.argwhere(A[:,None] == B)

方法#2

还有一个是
O（n）
，因此性能更好，特别是在大型阵列上-

def argwhere_nd_searchsorted(a,b):
    A,B = view1D(a,b)
    sidxB = B.argsort()
    mask = np.isin(A,B)
    cm = A[mask]
    idx0 = np.flatnonzero(mask)
    idx1 = sidxB[np.searchsorted(B,cm, sorter=sidxB)]
    return idx0, idx1 # idx0 : indices in A, idx1 : indices in B

方法#3

另一个
O（n）
一个使用
argsort（）
-

使用与前面相同的输入运行示例-

In [650]: argwhere_nd_searchsorted(a,b)
Out[650]: (array([0, 1]), array([2, 0]))

In [651]: argwhere_nd_argsort(a,b)
Out[651]: (array([0, 1]), array([2, 0]))

您可以利用自动广播：

np.argwhere(np.all(a.reshape(3,1,-1) == b,2))

导致

array([[0, 2],
       [1, 0]])

注意：对于浮点数，您可能希望将
==
替换为
np.islclose（）
数组中的数字是
整数吗？如果是，它们是积极的吗？如果是这样，它们是否有一个可以限制的范围？不幸的是，它们是浮动的，没有任何限制。在数组中是否可以有重复的（相同的行）？不，在我的情况下不是。
np.argwhere(np.all(a.reshape(3,1,-1) == b,2))

array([[0, 2],
       [1, 0]])