Python 以矢量化方式使用Numpy检索多个值的索引

为了获得numpy数组中“99”值对应的索引，我们执行以下操作：

mynumpy=([5,6,9,2,99,3,88,4,7))
np.where(my_numpy==99)

如果我想得到与下列值99,55,6,3,7对应的索引，该怎么办？显然，可以用一个简单的循环来实现，但我正在寻找一个更矢量化的解决方案。我知道Numpy非常强大，所以我认为它可能存在类似的东西

期望输出：

searched_values=np.array([99,55,6,3,7])
np.where(searched_values in mynumpy)
[(4),(),(1),(5),(8)]

---

下面是一种使用

np.searchsorted

-

def find_indexes(ar, searched_values, invalid_val=-1):
    sidx = ar.argsort()
    pidx = np.searchsorted(ar, searched_values, sorter=sidx)
    pidx[pidx==len(ar)] = 0
    idx = sidx[pidx]
    idx[ar[idx] != searched_values] = invalid_val
    return idx

样本运行-

In [29]: find_indexes(mynumpy, searched_values, invalid_val=-1)
Out[29]: array([ 4, -1,  1,  5,  8])

In [35]: find_indexes_v2(mynumpy, searched_values, invalid_val=None)
Out[35]: array([4, None, 1, 5, 8], dtype=object)

# For list output
In [36]: find_indexes_v2(mynumpy, searched_values, invalid_val=None).tolist()
Out[36]: [4, None, 1, 5, 8]

对于一般无效值说明符，我们可以使用

np.where

-

def find_indexes_v2(ar, searched_values, invalid_val=-1):
    sidx = ar.argsort()
    pidx = np.searchsorted(ar, searched_values, sorter=sidx)
    pidx[pidx==len(ar)] = 0
    idx = sidx[pidx]
    return np.where(ar[idx] == searched_values, idx, invalid_val)

样本运行-

In [29]: find_indexes(mynumpy, searched_values, invalid_val=-1)
Out[29]: array([ 4, -1,  1,  5,  8])

In [35]: find_indexes_v2(mynumpy, searched_values, invalid_val=None)
Out[35]: array([4, None, 1, 5, 8], dtype=object)

# For list output
In [36]: find_indexes_v2(mynumpy, searched_values, invalid_val=None).tolist()
Out[36]: [4, None, 1, 5, 8]

---

下面是一种使用

np.searchsorted

-

def find_indexes(ar, searched_values, invalid_val=-1):
    sidx = ar.argsort()
    pidx = np.searchsorted(ar, searched_values, sorter=sidx)
    pidx[pidx==len(ar)] = 0
    idx = sidx[pidx]
    idx[ar[idx] != searched_values] = invalid_val
    return idx

样本运行-

In [29]: find_indexes(mynumpy, searched_values, invalid_val=-1)
Out[29]: array([ 4, -1,  1,  5,  8])

In [35]: find_indexes_v2(mynumpy, searched_values, invalid_val=None)
Out[35]: array([4, None, 1, 5, 8], dtype=object)

# For list output
In [36]: find_indexes_v2(mynumpy, searched_values, invalid_val=None).tolist()
Out[36]: [4, None, 1, 5, 8]

对于一般无效值说明符，我们可以使用

np.where

-

def find_indexes_v2(ar, searched_values, invalid_val=-1):
    sidx = ar.argsort()
    pidx = np.searchsorted(ar, searched_values, sorter=sidx)
    pidx[pidx==len(ar)] = 0
    idx = sidx[pidx]
    return np.where(ar[idx] == searched_values, idx, invalid_val)

样本运行-

In [29]: find_indexes(mynumpy, searched_values, invalid_val=-1)
Out[29]: array([ 4, -1,  1,  5,  8])

In [35]: find_indexes_v2(mynumpy, searched_values, invalid_val=None)
Out[35]: array([4, None, 1, 5, 8], dtype=object)

# For list output
In [36]: find_indexes_v2(mynumpy, searched_values, invalid_val=None).tolist()
Out[36]: [4, None, 1, 5, 8]

---

---

看看这个@Kasramvd重新打开，因为此问题还需要屏蔽

搜索的\u值中不存在的元素。希望这看起来是公平的。是的，Divakar的解决方案考虑了一个特殊情况，即不存在值。是否存在多个值？一个涉及多个值的类似问题。接受的答案使用了默认词典。请检查此项@Kasramvd重新打开，因为此问题还需要屏蔽
搜索的\u值中不存在的元素。希望这看起来是公平的。是的，Divakar的解决方案考虑了一个特殊情况，即不存在值。是否存在多个值？一个涉及多个值的类似问题。被接受的答案使用了默认字典。Waou，Thk很多，确实看起来像是另一个问题，但你考虑了特殊情况，所以我不知道该怎么办。@hansglick不确定你所说的“不知道该怎么办”的意思：）看看你的stackoverflow配置文件，如何向您发送私人消息？如果元素多次出现，该怎么办。我希望能够检索所有索引。查找索引（np.array（[5,11,5]），np.array（[5]）。期望输出[（0,2）]@hansglick，你应该在原始问题中包含一些重复项。Waou，thks很多，确实看起来像是另一个问题，但你考虑了特殊情况，所以我不知道该怎么做。@hansglick不确定你所说的“不知道该做什么”的意思：）看看你的stackoverflow配置文件，如何向您发送私人消息？如果元素多次出现，该怎么办。我希望能够检索所有索引。查找索引（np.array（[5,11,5]），np.array（[5]）。期望输出[（0,2）]@hansglick，你应该在原始问题中包含一些重复项。