Python 查找NumPy数组与值列表中的任何值相等的位置

我有一个整数数组，希望找到该数组在哪里等于多个值列表中的任何值

通过单独处理每个值，或者在循环中使用多个“或”语句，可以很容易地做到这一点，但我觉得必须有更好/更快的方法来做到这一点。我实际上是在处理大小为

4000 x 2000

的数组，但下面是问题的简化版本：

fake = arange(9).reshape((3,3))

array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

want = (fake==0) + (fake==2) + (fake==6) + (fake==8)

print want 

array([[ True, False,  True],
       [False, False, False],
       [ True, False,  True]], dtype=bool)

我想要的是一种从单个命令中获取

want

的方法，该命令涉及

fake

和值列表

[0,2,6,8]

我假设有一个包已经包含了这一点，这将比我用Python编写一个带有循环的函数要快得多。

该函数似乎可以实现您想要的功能。唯一的问题是它只适用于1d阵列，因此您应该像这样使用它：

In [9]: np.in1d(fake, [0,2,6,8]).reshape(fake.shape)
Out[9]: 
array([[ True, False,  True],
       [False, False, False],
       [ True, False,  True]], dtype=bool)

---

我不知道为什么这只限于1d阵列。从它的角度看，它首先似乎是将两个数组展平，然后再执行一些巧妙的排序技巧。但没有什么能阻止它在最后再次取消结果，就像我在这里不得不手工做的那样。

@Bas的答案可能就是你想要的答案。但这里有另一种方法，使用numpy的

矢量化

技巧：

import numpy as np
S = set([0,2,6,8])

@np.vectorize
def contained(x):
    return x in S

contained(fake)
=> array([[ True, False,  True],
          [False, False, False],
          [ True, False,  True]], dtype=bool)

此解决方案的缺点是为每个元素（即在python空间中）调用

contained（）

，这使得此解决方案比纯numpy解决方案慢得多。

numpy 0.13+ 从NumPy v0.13开始，您可以使用，它适用于多维阵列：

>>> element = 2*np.arange(4).reshape((2, 2))
>>> element
array([[0, 2],
       [4, 6]])
>>> test_elements = [1, 2, 4, 8]
>>> mask = np.isin(element, test_elements)
>>> mask
array([[ False,  True],
       [ True,  False]])

努比0.13之前

---

使用

np.in1d

的公认答案仅适用于1d数组，并且需要重新整形以获得所需的结果。这对于v0.13之前的NumPy版本很好。

Hmm。我编写了一个非常简单的函数来完成这项工作：

def EqualsAny（ar，vals）：out=0（ar.shape，dtype=bool）对于vals中的val:out+=（ar==val）return out

我认为

NumPy.inad

会更快，但是它实际上需要更长的时间（对于相同的结果）：

在[11]：%timeit EqualsAny（badlabels，smallnum）1个循环，在[7]：%timeit in1d（badlabels，smallnum）。重塑（badlabels.shape）1个循环，每个循环最好3:871 ms

不应该

numpy.in1d

因为它是用C写的，所以速度要快得多吗？我没有正确地使用

%timeit

吗？不，

in1d

不是用c编写的，而是用python编写的，请参阅我提供的源代码链接。它使用了各种numpy函数，如

排序

，希望能用C编写。它甚至有一些优化算法，用于

VAL

较短的情况，这与您的解决方案非常相似（但使用

|=

代替

+=

）。我不知道为什么您的版本更快，这可能取决于两个输入的长度。