Python 获取两个不同维度numpy阵列之间所有唯一数字的最快方法

我有两个不同维度的numpy数组，我需要在它们之间获得所有唯一的int

由于它们的维数不同，我决定为它们中的每一个获取唯一的数字，将它们连接起来，然后获取唯一的值

初始方法

import numpy as np
import time

array1 = np.random.randint(1, high=5000, size=(512, 4) , dtype=np.int32)
array2 = np.random.randint(1, high=5000, size=(512, 64) , dtype=np.int32)

start = time.time()
np.unique( np.concatenate( [np.unique(array1), np.unique(array2)] ) )
end = time.time()
print(end-start)

输出（5个平均值）：

0.011

环境：谷歌Colab

有没有更快的办法

---

我的猜测是只执行一个np。唯一的操作，使用不同大小的numpy阵列来执行是一个挑战

np.hstack

将比您最初的方法稍快一点（尽管差异不大）：

---

如果你的INT没有传播得太远，那么确实有一种更快的方法。为了简单起见，下面的代码假定为非负整数 小于5000

def use_mask():
    mask = np.zeros(5000,bool)
    mask[array1] = True
    mask[array2] = True
    return np.where(mask)

---

为了使这成为一个合适的函数，你必须找到数组1/2的最小值和最大值，取差值，如果它太大，则返回到其他值，否则从数组1/2中减去最小值，然后或多或少地像我一样进行操作。

在我的实际情况中，它将是从1到10的随机整数million@SantoshGupta7多大（#元素）真正的数组是吗？对于数组的数量，它们将是64到5000，对于这些数组的维度，它们将是132到50001024@SantoshGupta710000000个标签仍然可以使用这种方法。与

np.unique

相比，数组元素越多，速度越快。你得检查一下它是否能帮你加快速度。我的猜测是肯定的。请您更新代码中的数字以代表您向Paul建议的实际数据，好吗？在我的Mac电脑上，至少在串联的扁平阵列上运行

np.unique（）

似乎更快

np.unique（np.concatenate（（array1，array2，axis=None））

def use_mask():
    mask = np.zeros(5000,bool)
    mask[array1] = True
    mask[array2] = True
    return np.where(mask)