Python 基于非索引数组的另一个数组中的值，从numpy数组中选择元素

假设我有以下两个数组：

a = array([(1, 'L', 74.423088306605), (5, 'H', 128.05441039929008),
       (2, 'L', 68.0581377353869), (0, 'H', 88.15726964130869), 
       (4, 'L', 97.4501582588212), (3, 'H', 92.98550136344437),
       (7, 'L', 87.75945631669309), (6, 'L', 90.43196739694255),
       (8, 'H', 111.13662092749307), (15, 'H', 91.44444608631304),
       (10, 'L', 85.43615908319185), (11, 'L', 78.11685661303494),
       (13, 'H', 108.2841293816308), (17, 'L', 74.43917911042259),
       (14, 'H', 64.41057325770373), (9, 'L', 27.407214746467943),
       (16, 'H', 81.50506434964355), (12, 'H', 97.79700070323196),
       (19, 'L', 51.139258140713025), (18, 'H', 118.34835768605957)], 
      dtype=[('id', '<i4'), ('name', 'S1'), ('value', '<f8')])

b = array([ 0,  3,  5,  8, 12, 13, 14, 15, 16, 18], dtype=int32)

a=数组（[（1，'L'，74.423088306605），（5，'H'，128.05441039929008），
（2，'L'，68.0581377353869），（0，'H'，88.15726964130869），
（4，'L'，97.45015828212），（3，'H'，92.98550136344437），
（7，'L'，87.75945631669309），（6，'L'，90.43196739694255），
（8，'H'，111.13662092749307），（15，'H'，91.44444 608631304），
（10，'L'，85.43615908319185），（11，'L'，78.1168566130103494），
（13，'H'，108.2841293816308），（17，'L'，74.43917911042259），
（14，'H'，64.41057325770373），（9，'L'，27.407214746467943），
（16，'H'，81.505064434964355），（12，'H'，97.79700070323196），
（19，'L'，51.139258140713025），（18，'H'，118.34835768605957）]，
dtype=[（'id'，'你应该用这个得到你想要的

indeces = [i for i,id in enumerate(a['id']) if id in b]
suba = a[indeces]
print(suba)
>>>array([(5, 'H', 128.05441039929008), (0, 'H', 88.15726964130869),
   (3, 'H', 92.98550136344437), (8, 'H', 111.13662092749307),
   (15, 'H', 91.44444608631304), (13, 'H', 108.2841293816308),
   (14, 'H', 64.41057325770373), (16, 'H', 81.50506434964355),
   (12, 'H', 97.79700070323196), (18, 'H', 118.34835768605957)], 
  dtype=[('id', '<i4'), ('name', '|S1'), ('value', '<f8')])

indes=[i代表i，枚举中的id（a['id']），如果id在b中]
suba=a[指数]
打印（suba）
>>>数组（[（5，'H'，128.05441039929008），（0，'H'，88.15726964130869），
（3，'H'，92.98550136344437），（8，'H'，111.13662092749307），
（15，'H'，91.44444 608631304），（13，'H'，108.2841293816308），
（14，'H'，64.41057325770373），（16，'H'，81.505064434964355），
（12，'H'，97.79700070323196），（18，'H'，118.34835768605957）]，
dtype=[（'id'，'
sorted=numpy.sort（a）
分类[b]
数组（[（0，'H'，88.15726964130869），（3，'H'，92.98550136344437），
（5，'H'，128.05441039929008），（8，'H'，111.13662092749307），
（12，'H'，97.79700070323196），（13，'H'，108.2841293816308），
（14，'H'，64.41057325770373），（15，'H'，91.44444 608631304），
（16，'H'，81.505064434964355），（18，'H'，118.34835768605957）]，
dtype=[（'id'，'以下方法的运行速度比Francesco针对示例数组的方法快几倍：

In [7]: a[np.argmax(a['id'][None, :] == b[:, None], axis=1)]
Out[7]: 
array([(0, 'H', 88.15726964130869), (3, 'H', 92.98550136344437),
       (5, 'H', 128.05441039929008), (8, 'H', 111.13662092749307),
       (12, 'H', 97.79700070323196), (13, 'H', 108.2841293816308),
       (14, 'H', 64.41057325770373), (15, 'H', 91.44444608631304),
       (16, 'H', 81.50506434964355), (18, 'H', 118.34835768605957)], 
      dtype=[('id', '<i4'), ('name', '|S1'), ('value', '<f8')])

In [8]: %timeit a[np.argmax(a['id'][None, :] == b[:, None], axis=1)]
100000 loops, best of 3: 11.6 us per loop

In [9]: %timeit indices = [i for i,id in enumerate(a['id']) if id in b]; a[indices]
10000 loops, best of 3: 66.9 us per loop

它是一个数组，包含的行数与
b
中的元素数相同，列数与
a
中的元素数相同。argmax
然后查找每行中第一个
True
的位置，这是
a['id']
中
b
对应元素的第一次出现的索引

如上所示，对于小型数组，这在性能上优于python。但是如果
a
或
b
变得太大，那么
bool
s中间数组的大小可能会削弱性能。此外，
np.argmax
必须搜索整行，它永远不会提前跳出循环，如果
>a
太长了。我在使用类似方法的答案中做了一些计时，但对于中等规模的阵列，仍然有一条路要走

Francesco的方法肯定不那么粗糙，更容易理解，我必须承认，对于样本大小的数组来说，性能差异是无关紧要的。但这并不会让你觉得…
谢谢！这似乎很好。如果我在某个时候看不到更好的答案，我会接受这个。我不想依赖排序。我想要我认为第一行应该被排序为=numpy.argsort（a），在这种情况下，它对排序是健壮的。哇，这太神奇了，尽管我不能说我理解
[None，：]背后的逻辑
。只是好奇：你知道你的方法的伸缩性吗？天真的我会说我的方法的伸缩性大致与a和b的大小成线性（如果
如果b中的id
是懒惰的，伸缩性更好）@FrancescoMontesano这正是问题所在，我认为这是O（n**2），我认为你的方法更好，尽管根据我的说法，你可能需要将
b
转换成
集才能实现这一点。因此，最终你的方法将是最快的，但对于非常大范围的较小规模，python的慢度，或者numpy/C的速度都是无关紧要的。@FrancescoMontesano
[None，：]
相当于
。重塑（1，-1）
，它将一维数组转换为列向量。因此，当它比较列向量和行向量时，它将它们广播到完整的矩形形状。明白了！我（想我）不知道这种广播。感谢您的解释
In [7]: a[np.argmax(a['id'][None, :] == b[:, None], axis=1)]
Out[7]: 
array([(0, 'H', 88.15726964130869), (3, 'H', 92.98550136344437),
       (5, 'H', 128.05441039929008), (8, 'H', 111.13662092749307),
       (12, 'H', 97.79700070323196), (13, 'H', 108.2841293816308),
       (14, 'H', 64.41057325770373), (15, 'H', 91.44444608631304),
       (16, 'H', 81.50506434964355), (18, 'H', 118.34835768605957)], 
      dtype=[('id', '<i4'), ('name', '|S1'), ('value', '<f8')])

In [8]: %timeit a[np.argmax(a['id'][None, :] == b[:, None], axis=1)]
100000 loops, best of 3: 11.6 us per loop

In [9]: %timeit indices = [i for i,id in enumerate(a['id']) if id in b]; a[indices]
10000 loops, best of 3: 66.9 us per loop

In [10]: a['id'][None, :] == b[:, None]
Out[10]: 
array([[False, False, False,  True, False, False, False, False, False,
        False, False, False, False, False, False, False, False, False,
        False, False],
    ... # several rows removed 
    [False, False, False, False, False, False, False, False, False,
        False, False, False, False, False, False, False, False, False,
        False,  True]], dtype=bool)