从MATLAB'复制索引输出；python中的s联合

我有一个包含大量元素的数据集，其中每个数据元素都有一个时间、一些元数据和一个值。集合中有许多独立的数据类型。所有信息都以数字编码并存储为numpy数组。我需要将这个1xn数据流排序到一个数组中，其中每一行都是唯一的时间，列表示当时的不同数据。我已经用MATLAB的union函数在MATLAB中解决了这个问题（不同的方法，但故事还有一段时间）。我想在python中复制这一点，但为了完成这一点，我已经被困了几天

我已将唯一的排序时间值提取到一个1xm数组中（

a

，在下面的示例中）。我还提取了一个数据类型的每个元素，该数据类型也是唯一的和排序的（

b

，在下面的示例中）

b

始终是

a

的子集。下面的MATLAB代码显示了它的工作原理

a=[1,2,3,4,5,6,7,8,9,10]
b=[1,4,7,10]
[C，ib，ia]=联合（b，a）
C=1
1     2     3     4     5     6     7     8     9    10
ib=
1.
2.
3.
4.
ia=
2.
3.
5.
6.
8.
9
遮罩=个（尺寸（a））
遮罩（ia）=0
数据列（掩码==1）=数据向量（ib）；

输出

ia

是

a

的索引，与

b

中的值不对应。使用

ia

制作逻辑掩码，然后我可以快速将数据分配到所需行-列输出数组格式的正确行

---

在python

numpy中，union1d（b，a）

给出输出

C

，但不给出索引；这就是我想在这里找到的。

因为您假设：

• a

  和

  b

  都已排序

• b

  是

  a

• numpy库在环境中可用
• 不需要索引，只需要值

您可以使用

numpy.setdiff1d

导入numpy >>>a=[1,2,3,4,5,6,7,8,9,10] >>>b=[1,4,7,10] >>>numpy.union1d（a，b） 数组（[1,2,3,4,5,6,7,8,9,10]） >>>numpy.setdiff1d（a，b） 数组（[2,3,5,6,8,9]）

---

因为您假定：

• a

  和

  b

  都已排序

• b

  是

  a

• numpy库在环境中可用
• 不需要索引，只需要值

您可以使用

numpy.setdiff1d

导入numpy >>>a=[1,2,3,4,5,6,7,8,9,10] >>>b=[1,4,7,10] >>>numpy.union1d（a，b） 数组（[1,2,3,4,5,6,7,8,9,10]） >>>numpy.setdiff1d（a，b） 数组（[2,3,5,6,8,9]）

---

您可以使用

unique

和一些排序来定义自己的

union

函数

import numpy as np

def union(a, b):
    ua = np.unique(a)                           # get unique values in input a
    ub = np.unique(b)                           # get unique values in input b
    c = np.concatenate((a, b))                  # combine a and b
    C, ic = np.unique(c, return_index=True)     # call unqiue and return incides

    sel = ic > (a.size - 1)         # every index larger than a.size comes from b
    ia = ic[~sel]
    ib = ic[sel] - a.size

    return C, ia, ib

还有你的测试：

>>> a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
>>> b = np.array([1, 4, 7, 10])
>>> [C, ib, ia] = union(b, a)
>>> C
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10])
>>> ib
array([0, 1, 2, 3], dtype=int64)
>>> ia
array([1, 2, 4, 5, 7, 8], dtype=int64)

---

当然索引是一个一个的，因为Matlab从1开始索引，Python从0开始索引。

您可以使用

unique

和一些排序来定义自己的

union

函数

import numpy as np

def union(a, b):
    ua = np.unique(a)                           # get unique values in input a
    ub = np.unique(b)                           # get unique values in input b
    c = np.concatenate((a, b))                  # combine a and b
    C, ic = np.unique(c, return_index=True)     # call unqiue and return incides

    sel = ic > (a.size - 1)         # every index larger than a.size comes from b
    ia = ic[~sel]
    ib = ic[sel] - a.size

    return C, ia, ib

还有你的测试：

>>> a = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
>>> b = np.array([1, 4, 7, 10])
>>> [C, ib, ia] = union(b, a)
>>> C
array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10])
>>> ib
array([0, 1, 2, 3], dtype=int64)
>>> ia
array([1, 2, 4, 5, 7, 8], dtype=int64)

---

当然，索引是一个一个的，因为Matlab从1开始索引，Python从0开始索引。

多亏了这里发布的建议，我找到了一个相当简洁的答案。使用

numpy.intersect1d（）

函数，我能够返回我正在寻找的索引。如下所示：其中，

m

是列索引，

data\u column

最初都是

nan

是

a

的长度，data\u vector是

b

a = [1,2,3,4,5,6,7,8,9,10]
b = [1,4,7,10]
[C,ia,ib] = numpy.intersect1d(a,b,assume_unique=True,return_indices=True)

print(C)
[ 1  4  7 10]

print(ia)
[0 3 6 9]

print(ib)
[0 1 2 3]

data_column[ia,m] = data_vector

---

返回索引

功能是关键。我通过阅读numpy集合函数发现了这一点，我是通过提交的答案找到的。我只是不知道去哪里找，谢谢大家

多亏了这里的建议，我找到了一个相当简洁的答案。使用

numpy.intersect1d（）

函数，我能够返回我正在寻找的索引。如下所示：其中，

m

是列索引，

data\u column

最初都是

nan

是

a

的长度，data\u vector是

b

a = [1,2,3,4,5,6,7,8,9,10]
b = [1,4,7,10]
[C,ia,ib] = numpy.intersect1d(a,b,assume_unique=True,return_indices=True)

print(C)
[ 1  4  7 10]

print(ia)
[0 3 6 9]

print(ib)
[0 1 2 3]

data_column[ia,m] = data_vector

---

返回索引

功能是关键。我通过阅读numpy集合函数发现了这一点，我是通过提交的答案找到的。我只是不知道去哪里找，谢谢大家

感谢我们的输入，我实际上是在寻找索引，而不是值。不过，你的回答给了我正确的方向，所以很有帮助！感谢我们的输入，我实际上是在寻找索引，而不是值。不过，你的回答给了我正确的方向，所以很有帮助！您询问了有关

联合

，然后回答了关于

交叉

？您询问了关于

联合

，然后回答了关于

交叉

？