Python：检查列表中的每个元素是否都存在特定的时间

我有以下问题。我有一个这样的范围列表：

parameterRanges2 = [(1,5),(1,5),(1,7),(1,7),(0,10),(1,20),(1,3),(0,1)]

我有一个numpy数组，如下所示：

arr = np.array([[2.0,4.0,3.0,5.0,1.0,3.0,2.0,4.0,2.0,4.0,3.0,5.0,1.0,3.0,2.0,4.0,2.0,4.0,3.0,5.0],
[4.0,2.0,3.0,4.0,2.0,4.0,5.0,1.0,2.0,4.0,1.0,3.0,4.0,2.0,3.0,5.0,1.0,3.0,4.0,2.0],
[2.0,3.0,4.0,6.0,7.0,1.0,2.0,3.0,5.0,6.0,1.0,2.0,4.0,5.0,6.0,2.0,3.0,4.0,5.0,6.0],
[6.0,1.0,2.0,3.0,4.0,5.0,6.0,7.0,1.0,2.0,3.0,4.0,5.0,6.0,7.0,2.0,2.0,3.0,4.0,5.0],
[8.0,9.0,0.0,1.0,2.0,3.0,4.0,5.0,6.0,7.0,7.0,8.0,9.0,0.0,1.0,2.0,3.0,4.0,5.0,6.0],
[11.0,13.0,14.0,16.0,17.0,19.0,1.0,3.0,4.0,6.0,7.0,9.0,10.0,11.0,13.0,14.0,16.0,17.0,19.0,1.0],
[1.0,1.0,2.0,2.0,2.0,2.0,2.0,2.0,2.0,2.0,3.0,3.0,3.0,3.0,1.0,1.0,1.0,1.0,1.0,2.0],
[0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,0.0,0.0]])

---

列表中的每个parameterRange元组都对应于numpy数组中的子数组。是否有办法检查相应范围内的所有元素是否至少存在一次？例如，在numpy数组的第一个子列表中，所有数字1、2、3、4、5至少存在一次，在第二个子列表中存在一次，在第三个列表中，例如数字1、2、3、4、5、6、7存在一次，依此类推。

仅使用numpy函数可能有更有效的方法，但下面的代码可以工作。我想不出一个简单的Numpy方法来实现这一点，因为我们无法制作一个标准的Numpy数组，因为所有行的长度都不相同

import numpy as np

arr = np.array([
    [2.0,4.0,3.0,5.0,1.0,3.0,2.0,4.0,2.0,4.0,3.0,5.0,1.0,3.0,2.0,4.0,2.0,4.0,3.0,5.0],
    [4.0,2.0,3.0,4.0,2.0,4.0,5.0,1.0,2.0,4.0,1.0,3.0,4.0,2.0,3.0,5.0,1.0,3.0,4.0,2.0],
    [2.0,3.0,4.0,6.0,7.0,1.0,2.0,3.0,5.0,6.0,1.0,2.0,4.0,5.0,6.0,2.0,3.0,4.0,5.0,6.0],
    [6.0,1.0,2.0,3.0,4.0,5.0,6.0,7.0,1.0,2.0,3.0,4.0,5.0,6.0,7.0,2.0,2.0,3.0,4.0,5.0],
    [8.0,9.0,0.0,1.0,2.0,3.0,4.0,5.0,6.0,7.0,7.0,8.0,9.0,0.0,1.0,2.0,3.0,4.0,5.0,6.0],
    [11.0,13.0,14.0,16.0,17.0,19.0,1.0,3.0,4.0,6.0,7.0,9.0,10.0,11.0,13.0,14.0,16.0,17.0,19.0,1.0],
    [1.0,1.0,2.0,2.0,2.0,2.0,2.0,2.0,2.0,2.0,3.0,3.0,3.0,3.0,1.0,1.0,1.0,1.0,1.0,2.0],
    [0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,0.0,0.0]
])

parameterRanges2 = [(1,5),(1,5),(1,7),(1,7),(0,10),(1,20),(1,3),(0,1)]
ranges = [np.arange(u, v+1, dtype='float64') for u, v in parameterRanges2]

print([np.all(np.isin(u,v)) for u, v in zip(ranges, arr)])

输出

[True, True, True, True, False, False, True, True]

---

可能有一种更有效的方法，只使用Numpy函数，但下面的代码可以工作。我想不出一个简单的Numpy方法来实现这一点，因为我们无法制作一个标准的Numpy数组，因为所有行的长度都不相同

import numpy as np

arr = np.array([
    [2.0,4.0,3.0,5.0,1.0,3.0,2.0,4.0,2.0,4.0,3.0,5.0,1.0,3.0,2.0,4.0,2.0,4.0,3.0,5.0],
    [4.0,2.0,3.0,4.0,2.0,4.0,5.0,1.0,2.0,4.0,1.0,3.0,4.0,2.0,3.0,5.0,1.0,3.0,4.0,2.0],
    [2.0,3.0,4.0,6.0,7.0,1.0,2.0,3.0,5.0,6.0,1.0,2.0,4.0,5.0,6.0,2.0,3.0,4.0,5.0,6.0],
    [6.0,1.0,2.0,3.0,4.0,5.0,6.0,7.0,1.0,2.0,3.0,4.0,5.0,6.0,7.0,2.0,2.0,3.0,4.0,5.0],
    [8.0,9.0,0.0,1.0,2.0,3.0,4.0,5.0,6.0,7.0,7.0,8.0,9.0,0.0,1.0,2.0,3.0,4.0,5.0,6.0],
    [11.0,13.0,14.0,16.0,17.0,19.0,1.0,3.0,4.0,6.0,7.0,9.0,10.0,11.0,13.0,14.0,16.0,17.0,19.0,1.0],
    [1.0,1.0,2.0,2.0,2.0,2.0,2.0,2.0,2.0,2.0,3.0,3.0,3.0,3.0,1.0,1.0,1.0,1.0,1.0,2.0],
    [0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,0.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,1.0,0.0,0.0]
])

parameterRanges2 = [(1,5),(1,5),(1,7),(1,7),(0,10),(1,20),(1,3),(0,1)]
ranges = [np.arange(u, v+1, dtype='float64') for u, v in parameterRanges2]

print([np.all(np.isin(u,v)) for u, v in zip(ranges, arr)])

输出

[True, True, True, True, False, False, True, True]

---

利用范围是整数，我们可以给出一个O（nm）解，nxm是

arr

的形状。algo的工作原理如下：

• 丢弃所有非整型元素及其范围之外的所有元素
• 使用

  np.add.at

  有效地（O（mn））为范围内的数字生成二进制计数
• 计算每行中高于阈值的存储箱数，并与范围进行比较

---

利用范围是整数，我们可以给出一个O（nm）解，nxm是

arr

的形状。algo的工作原理如下：

• 丢弃所有非整型元素及其范围之外的所有元素
• 使用

  np.add.at

  有效地（O（mn））为范围内的数字生成二进制计数
• 计算每行中高于阈值的存储箱数，并与范围进行比较

---

may help may help OK nice，是否也有可能说范围内的数字应该至少符合2倍或3倍？@Varlor应该可以使用

np.add.at

我将尝试.TIL

np.add.at

@PaulPanzer也可以对浮动范围这样做吗？致以最良好的祝愿@Varlor取决于细节，成本可能会更高（O（nm-log-nm））。用完整的例子提出一个新问题。好的，很好，是否也有可能说范围内的数字应该至少符合2倍或3倍？@Varlor应该可以使用

np.add.at

我将尝试.TIL

np.add.at

@PaulPanzer也可以对浮动范围这样做吗？致以最良好的祝愿@Varlor取决于细节，成本可能会更高（O（nm-log-nm））。用完整的例子提出一个新问题。好的，尼斯，是否也有可能说范围内的数字应该至少符合2倍或3倍？好的，尼斯，是否也有可能说范围内的数字应该至少符合2倍或3倍？