匹配两个二维数组的行并使用 numpy 获取行索引映射

Question

假设您有两个二维数组 A 和 B，并且您想检查 A 的行包含在 B 中的位置。如何使用 numpy 最有效地执行此操作？

例如

a = np.array([[1,2,3],

              [4,5,6],

              [9,10,11]])

b = np.array([[4,5,6],

              [4,3,2],

              [1,2,3],

              [4,8,9]])

map = [[0,2], [1,0]]  # row 0 of a is at row index 2 of array B

我知道如何使用in1d（测试二维 numpy 数组中的成员资格）来检查 A 的行是否在 B 中，但这不会产生索引映射。

此映射的目的是（最终）基于某些列将两个数组合并在一起。

当然，可以逐行执行此操作，但这会变得非常低效，因为我的数组具有形状 (50 Mio., 20)。

另一种方法是使用pandas 合并函数，但我只想使用 numpy 来做到这一点。

Answer 1

方法#1这是一个基于views. 利用np.argwhere( docs ) 返回满足条件的元素的索引，在本例中为成员资格。——def view1D(a, b): # a, b are arrays    a = np.ascontiguousarray(a)    b = np.ascontiguousarray(b)    void_dt = np.dtype((np.void, a.dtype.itemsize * a.shape[1]))    return a.view(void_dt).ravel(),  b.view(void_dt).ravel()def argwhere_nd(a,b):    A,B = view1D(a,b)    return np.argwhere(A[:,None] == B)方法#2这是另一个O(n)更好的性能，尤其是在大型阵列上 -def argwhere_nd_searchsorted(a,b):    A,B = view1D(a,b)    sidxB = B.argsort()    mask = np.isin(A,B)    cm = A[mask]    idx0 = np.flatnonzero(mask)    idx1 = sidxB[np.searchsorted(B,cm, sorter=sidxB)]    return idx0, idx1 # idx0 : indices in A, idx1 : indices in B方法#3另一个O(n)使用argsort()-def argwhere_nd_argsort(a,b):    A,B = view1D(a,b)    c = np.r_[A,B]    idx = np.argsort(c,kind='mergesort')    cs = c[idx]    m0 = cs[:-1] == cs[1:]    return idx[:-1][m0],idx[1:][m0]-len(A)示例使用与之前相同的输入运行 -In [650]: argwhere_nd_searchsorted(a,b)Out[650]: (array([0, 1]), array([2, 0]))In [651]: argwhere_nd_argsort(a,b)Out[651]: (array([0, 1]), array([2, 0]))

Answer 2

您可以利用自动广播：np.argwhere(np.all(a.reshape(3,1,-1) == b,2))这导致array([[0, 2],       [1, 0]])注为花车你可能要更换==用np.islclose()