Python 检查numpy数组中的每个元素是否在单独的列表中
我想这样做:Python 检查numpy数组中的每个元素是否在单独的列表中,python,arrays,numpy,vectorization,Python,Arrays,Numpy,Vectorization,我想这样做: >>> y = np.arange(5) >>> y in (0, 1, 2) array([True, True, True, False, False]) 这种语法不起作用。达到预期效果的最佳方法是什么 (我正在寻找一个通用的解决方案。显然,在这种特定情况下,我可以做y
>>> y = np.arange(5)
>>> y in (0, 1, 2)
array([True, True, True, False, False])
这种语法不起作用。达到预期效果的最佳方法是什么
(我正在寻找一个通用的解决方案。显然,在这种特定情况下,我可以做y<3
)
我会为你们更清楚地解释这一点,因为至少有一些人似乎感到困惑
要达到我想要的行为,还有很长的路要走:
new_y = np.empty_like(y)
for i in range(len(y)):
if y[i] in (0, 1, 2):
new_y[i] = True
else:
new_y[i] = False
我正在寻找一种更紧凑的行为形式
下面是另一个解决方案:
new_y = np.array([True if item in (0, 1, 2) else False for item in y])
同样,只需寻找一种更简单的方法。一个好的通用工具是两个数组元素之间的广播或“外部”比较:
In [35]: y=np.arange(5)
In [36]: x=np.array([0,1,2])
In [37]: y[:,None]==x
Out[37]:
array([[ True, False, False],
[False, True, False],
[False, False, True],
[False, False, False],
[False, False, False]])
这是在y
的每个元素和x
的每个元素之间进行快速比较。根据需要,可以沿以下轴之一压缩此阵列:
In [38]: (y[:,None]==x).any(axis=1)
Out[38]: array([ True, True, True, False, False])
在D中建议了一条注释。我认为看看它的代码是个好主意。根据输入的相对大小,它有几种策略
In [40]: np.in1d(y,x)
Out[40]: array([ True, True, True, False, False])
In [41]: np.array([True if item in x else False for item in y])
Out[41]: array([ True, True, True, False, False])
哪个最快可能取决于输入的大小。开始列表您的列表理解可能会更快。这个纯列表版本是目前最快的:
[True if item in (0,1,2) else False for item in (0,1,2,3,4)]
[item in (0,1,2) for item in (0,1,2,3,4)] # simpler
一个好的通用工具是两个数组元素之间的广播或“外部”比较:
In [35]: y=np.arange(5)
In [36]: x=np.array([0,1,2])
In [37]: y[:,None]==x
Out[37]:
array([[ True, False, False],
[False, True, False],
[False, False, True],
[False, False, False],
[False, False, False]])
这是在y
的每个元素和x
的每个元素之间进行快速比较。根据需要,可以沿以下轴之一压缩此阵列:
In [38]: (y[:,None]==x).any(axis=1)
Out[38]: array([ True, True, True, False, False])
在D
中建议了一条注释。我认为看看它的代码是个好主意。根据输入的相对大小,它有几种策略
In [40]: np.in1d(y,x)
Out[40]: array([ True, True, True, False, False])
In [41]: np.array([True if item in x else False for item in y])
Out[41]: array([ True, True, True, False, False])
哪个最快可能取决于输入的大小。开始列表您的列表理解可能会更快。这个纯列表版本是目前最快的:
[True if item in (0,1,2) else False for item in (0,1,2,3,4)]
[item in (0,1,2) for item in (0,1,2,3,4)] # simpler
np.in1d(y[0,1,2])
np.in1d(y[0,1,2])