Python 给定置换数组，查找置换_Python_Arrays_Numpy_Permutation

Python 给定置换数组，查找置换

python arrays numpy

Python 给定置换数组，查找置换,python,arrays,numpy,permutation,Python,Arrays,Numpy,Permutation,我有两个numpy整数数组导入numpy a=numpy.array（[1,3,5,0]） b=numpy.array（[3,5,0,1]）我知道这是彼此的排列。我如何找到排列，即整数数组I a[i] == b ?？Explicitfor循环可以在整个数组中进行比较，但效率似乎很低如果行数组的排列像导入numpy a=numpy.array([ [1, 2], [3, 7], [5, 12], [0, 4], # ... ]) b=numpy.array([ [3, 7], [5,

我有两个numpy整数数组

导入numpy
a=numpy.array（[1,3,5,0]）
b=numpy.array（[3,5,0,1]）

我知道这是彼此的排列。我如何找到排列，即整数数组

a[i] == b

?？Explicit

for

循环可以在整个数组中进行比较，但效率似乎很低

如果行数组的排列像

导入numpy
a=numpy.array([
[1, 2],
[3, 7],
[5, 12],
[0, 4],
# ...
])
b=numpy.array([
[3, 7],
[5, 12],
[0, 4], 
[1, 2],
# ...
])

这里有一个打开的

1D

-用于

2D

阵列的视图-

# https://stackoverflow.com/a/45313353/ @Divakar
def view1D(a, b): # a, b are arrays
    a = np.ascontiguousarray(a)
    b = np.ascontiguousarray(b)
    void_dt = np.dtype((np.void, a.dtype.itemsize * a.shape[1]))
    return a.view(void_dt).ravel(),  b.view(void_dt).ravel()

A,B = view1D(a,b)
sidx = A.argsort()
idx = sidx[np.searchsorted(A,B,sorter=sidx)]

对于

1D

输入数组，我们可以直接将

和

分别作为

和

输入

或者，对于正整数，我们可以使用降维，保持其余部分与前面相同-

s = np.r_[1,a[:,:-1].max(0)+1]
A,B = a.dot(s),b.dot(s)

或者使用

np.ravel\u multi\u index

在二维网格上进行映射-

shp = a.max(0)+1
A,B = np.ravel_multi_index(a.T,shp),np.ravel_multi_index(b.T,shp)

另一种方法是使用相同的

网格映射

技术，使用

稀疏矩阵

计算正整数-

from scipy.sparse import csr_matrix

R = np.arange(1,len(a)+1)
c = csr_matrix((R, a.T), shape=a.max(0)+1)
idx = c[b[:,0],b[:,1]].A1-1

这是一个关于

1D

的视图，用于

2D

阵列-

# https://stackoverflow.com/a/45313353/ @Divakar
def view1D(a, b): # a, b are arrays
    a = np.ascontiguousarray(a)
    b = np.ascontiguousarray(b)
    void_dt = np.dtype((np.void, a.dtype.itemsize * a.shape[1]))
    return a.view(void_dt).ravel(),  b.view(void_dt).ravel()

A,B = view1D(a,b)
sidx = A.argsort()
idx = sidx[np.searchsorted(A,B,sorter=sidx)]

对于

1D