Python中的Matlab等价物：不同长度数组上的逻辑异或？

我想把对两个向量进行异或运算的Matlab代码转换成Python。我曾尝试使用numpy.logical_xor（）函数来实现这一点，但失败了，因为正在比较的两个数组的形状不相同，从而阻止了广播工作

我试图模拟的Matlab代码：

test5=setxor(1:length(test2(test3)),test4);

当前（非工作）尝试在Python中执行上述操作：

test5 = np.logical_xor(np.array(range(len(test2[test3]))), test4)

当执行此行时，我得到以下错误：

ValueError: operands could not be broadcast together with shapes (366217,) (120655,)

当我使用numpy.expand_dims（）向每个数组添加一个轴时，我也会得到相同的结果，我会得到如下消息

ValueError: operands could not be broadcast together with shapes (1, 366217) (1, 120655)
ValueError: operands could not be broadcast together with shapes (366217,1) (120655,1)

问题在于test2[test3]和test4的长度不同，Matlab setxor（）functino似乎可以很好地处理不同长度的向量，但numpy等效项需要长度相等的向量

有人能建议我如何在两个不同长度的1-D numpy数组上执行异或吗？或者我可能误解了Matlab代码中发生的事情和/或为此使用了错误的Python函数

---

在此提前感谢您的帮助。

MATLAB/Octave

setxor

返回A或B专有的元素，按升序排序

这是一个固定的操作

octave:2> setxor([1,2,3,4],[5,3])
ans =
   1   2   4   5

np.逻辑异或是一个元素对一个元素的比较，而不是一个
set
操作

我想在
numpy
中有一些
set
操作，但我必须查找它们。我知道Python中有一个
set
类

In [176]: x=set([1,2,3,4])    
In [177]: x.symmetric_difference([5,3])
Out[177]: set([1, 2, 4, 5])

setdiff1d
是一个
set difference
函数，可以用作

In [188]: xa=np.array([1,2,3,4])
In [189]: ya=np.array([5,3])
In [190]: np.concatenate([np.setdiff1d(xa,ya),np.setdiff1d(ya,xa)])
Out[190]: array([1, 2, 4, 5])

它使用
np.unique
和
np.inad
；可以使用这些函数重写setxor

In [199]: np.concatenate([xa[np.in1d(xa,ya,invert=True)],
      ya[np.in1d(ya,xa,invert=True)]])
Out[199]: array([1, 2, 4, 5])

（可能需要先使用
xa=np.unique（xa）
etc）

我的猜测是，如果有一个已定义的
setxor
函数，它将由这些相同的片段构建


宾果，谷歌搜索
numpy集操作产生：


它有：（对于2个唯一的数组）

因此，它对数组进行排序串联，然后删除不唯一的元素。
如果您提供一个简单的所需输入和输出示例（使用更小的test2、test3和test4），并用文字说明Matlab代码的用途，可能会更容易提供帮助。回答很好，这正是解决方案，它现在适合我了。谢谢
In [201]: np.setxor1d(xa,ya)
Out[201]: array([1, 2, 4, 5])

    aux = np.concatenate( (ar1, ar2) )
    aux.sort()
    flag = np.concatenate( ([True], aux[1:] != aux[:-1], [True] ) )
    flag2 = flag[1:] == flag[:-1]
    return aux[flag2]