从一个数组中删除元素（如果存在于另一个数组中），保留重复项-NumPy/Python

我有两个阵列

A

（len为380万）和

B

（len为20k）。 举一个简单的例子，让我们看看这个例子：

A = np.array([1,1,2,3,3,3,4,5,6,7,8,8])
B = np.array([1,2,8])

现在，我希望得到的数组是：

C = np.array([3,3,3,4,5,6,7])

即，如果在

A

中找到

B

中的任何值，则将其从

A

中删除，如果不保留它。

我想知道是否有方法可以在不使用

for

循环的情况下执行该操作，因为它是一个很长的数组，因此循环需要很长时间

使用

searchsorted

使用排序的

B

，我们可以使用-

从链接的文档中，

searchsorted（a，v）

将索引查找到排序数组

a

，这样，如果在索引之前插入

v

中的相应元素，则a的顺序将被保留。因此，我们假设

idx=searchsorted（B，A）

，我们将索引到

B

，通过这些：

B[idx]

，我们将得到

B

的映射版本，对应于

A

中的每个元素。因此，将此映射版本与

A

进行比较，可以告诉我们

A

中的每个元素是否与

B

匹配。最后，索引到

A

以选择不匹配的

一般情况（

B

未排序）：

sidx = B.argsort()
idx = np.searchsorted(B,A,sorter=sidx)
idx[idx==len(B)] = 0
out = A[B[sidx[idx]] != A]

如果

B

尚未按照先决条件进行排序，请对其进行排序，然后使用建议的方法

或者，我们可以将

sorter

参数与

searchsorted

-

sidx = B.argsort()
out = A[B[sidx[np.searchsorted(B,A,sorter=sidx)]] != A]

更一般的情况（

A

的值高于

B

中的值）：

sidx = B.argsort()
idx = np.searchsorted(B,A,sorter=sidx)
idx[idx==len(B)] = 0
out = A[B[sidx[idx]] != A]

---

在AD/isin中使用

我们还可以使用，这是非常直接的（链接文档应该有助于澄清），因为它在
B
中为
A
中的每个元素查找任何匹配项，然后我们可以使用带反转掩码的布尔索引来查找不匹配项-

A[~np.in1d(A,B)]

与isin相同-

A[~np.isin(A,B)]

使用
反转
标志-

A[np.in1d(A,B,invert=True)]

A[np.isin(A,B,invert=True)]

这就解决了当
B
不一定排序时的泛型问题。
我对numpy不是很熟悉，但是如何使用集合：

C = set(A.flat) - set(B.flat)

编辑：从注释中，集合不能有重复的值

因此，另一种解决方案是使用lambda表达式：

C = np.array(list(filter(lambda x: x not in B, A)))

加上-

如果原始数组A的范围比B大，则会出现“索引超出范围”错误。见：

A = np.array([1,1,2,3,3,3,4,5,6,7,8,8,10,12,14])
B = np.array([1,2,8])

A[B[np.searchsorted(B,A)] !=  A]
>> IndexError: index 3 is out of bounds for axis 0 with size 3


这是因为
np。在本例中，searchsorted
将索引3（B中最后一个之后的一个）指定为在B中插入A中的元素10、12和14的适当位置。因此，在
B[np.searchsorted（B，A）]
中会得到一个索引器

为了避免这种情况，一种可能的方法是：

def subset_sorted_array(A,B):
    Aa = A[np.where(A <= np.max(B))]
    Bb = (B[np.searchsorted(B,Aa)] !=  Aa)
    Bb = np.pad(Bb,(0,A.shape[0]-Aa.shape[0]), method='constant', constant_values=True)
    return A[Bb]

def子集排序数组（A，B）：
Aa=A[np.式中（数组（[3,3,3,4,5,6,7,10,12,14]））

请注意，这也适用于字符串数组和其他类型（对于比较
.B
已排序的所有类型？@Divakar:no，但如果需要，我可以对其进行排序，这不是问题。setdiff1d

不会做您需要的事情吗？我可以获得有关这两种方法如何工作的更多信息吗？使用

timeit

，似乎第一种方法大约需要两次faster@ThePredator加d注释。这是一个很好且切中要害的答案，但如果a中的值的范围大于B中的值（即，如果a中有较大的值而B中没有），则这不会直接起作用.我将为将来添加一个补充答案reference@vmg说得好！已编辑的解决方案也可以处理这些情况。集合不能包含重复的值。Awesiome。您保存了我的夜晚

# Take only the elements in A that would be inserted in B
Aa = A[np.where(A <= np.max(B))]

# Pad the resulting filter with 'Trues' - I split this in two operations for
# easier reading
Bb = (B[np.searchsorted(B,Aa)] !=  Aa)
Bb = np.pad(Bb,(0,A.shape[0]-Aa.shape[0]),  method='constant', constant_values=True)

# Then you can filter A by Bb
A[Bb]
# For the input arrays above:
>> array([ 3,  3,  3,  4,  5,  6,  7, 10, 12, 14])