Python 从排序向量中查找值，这些值也存在于另一个排序向量中

假设我有两个排序向量（1D numpy ndarrays）A和B。我想找出向量A中的哪些值也存在于向量B中。这将是某个函数的瓶颈，因此我想尽可能快地生成。有一个函数numpy.inad，它正好满足我的需要。它可以通过告诉函数向量中的值是唯一的这一事实来增强。好的，很好。但是排序值呢？我相信知道这些值是经过排序的可以进一步提高性能，因为这将是复杂性O（1）。但是没有理由告诉numpy.INAD向量已排序。。。或者有什么替代方法或技巧可以帮助我吗？

也许你可以创建每个向量的集合，然后在集合上使用intersect

我认为向量应该允许建筑从它们出发，比如：

a = set(vectorA)
b = set(vectorB)
commons = a.intersection(b)

---

np.searchsorted

返回应在不中断排序的情况下放置相应值的位置。如果您的“haystack”数组包含该值，它将在那里。您只需要将这些位置的值与指针进行比较。但要小心越界访问：大于haystack中最大值的指针将生成

索引==len（haystack）

，并将生成

索引器

。您可以使用

np.take（…，mode='clip'）

返回此类值的最大值（它将通过相等性测试）

如果您希望

pines

中的大量元素大于

haystack.max（）

，则可能需要在搜索之前修剪

pines

，以避免在无关元素上浪费空间

needles = needles[needles <= haystack.max()]

---

编辑：这个解决方案是

O（N*logM）

，

N=len（针），M=len（干草堆）

，尽管它没有利用针本身是被分类的事实。您可以在Cython/C中的

O（N+M）

中执行此操作，对于较大的（r）

N

A

set

交叉点，此操作会更快，但是将numpy数组转换为

set

非常慢。（因此，像

numpy.in1d

）来回转换将比实际操作慢得多。我很确定，这将是非常糟糕的性能。1） 我没有从我已经对值进行排序的事实中获益2）我正在从纯Python的静态类型numpy数组转移到动态类型域。然后再回来。所以，好吧。。。不需要。事实上，numpy.intersect1d中有类似的函数，而不需要将Python转换为numpy。但是它不能从排序的值中获益。numpy中的所有集合操作都使用排序

np.in1d

和

np.intersect1d

都将对两个数组中唯一值的串联进行排序。因此，即使使用预先排序的数组，也无法避免线性性能的下降。您可以通过复制已排序的数组的源代码（文档中有一个链接，numpy中的所有set操作都是用Python完全实现的），从而避免使用已排序的数组。

needles = needles[needles <= haystack.max()]

needles = needles[:np.searchsorted(needles, haystack.max(), side='right')]