使用 numpy 进行 elementwise "in" 的 Pythonic 和有效方法

Question

我正在寻找一种有效获取布尔数组的方法，其中给定两个大小相等的数组 a 和 b，如果 [= 的相应元素，则每个元素为真14=]出现in对应的元素是b.

例如下面的程序：

a = numpy.array([1, 2, 3, 4])
b = numpy.array([[1, 2, 13], [2, 8, 9], [5, 6], [7]])
print(numpy.magic_function(a, b))

应该打印

[True, True, False, False]

记住这个函数应该等同于

[x in y for x, y in zip(a, b)]

仅 numpy-针对 a 和 b 较大且 b 的每个元素都相当小的情况进行了优化。

Answer 1

b中小列表的长度是否有上限？如果是这样，也许您可以使 b 成为 1000x5 的矩阵，并使用 nan 来填补太短的子数组的空白。然后你可以使用 numpy.any 来得到你想要的答案，像这样：

In [42]: a = np.array([1, 2, 3, 4])
    ...: b = np.array([[1, 2, 13], [2, 8, 9], [5, 6], [7]])

In [43]: bb = np.full((len(b), max(len(i) for i in b)), np.nan)

In [44]: for irow, row in enumerate(b):
    ...:     bb[irow, :len(row)] = row

In [45]: bb
Out[45]: 
array([[  1.,   2.,  13.],
       [  2.,   8.,   9.],
       [  5.,   6.,  nan],
       [  7.,  nan,  nan]])

In [46]: a[:,np.newaxis] == bb
Out[46]: 
array([[ True, False, False],
       [ True, False, False],
       [False, False, False],
       [False, False, False]], dtype=bool)

In [47]: np.any(a[:,np.newaxis] == bb, axis=1)
Out[47]: array([ True,  True, False, False], dtype=bool)

不知道这对您的数据来说是否更快。

Answer 2

总结

Sauldo Castro 的方法在目前 posted 中运行最快。原始 post 中的生成器表达式是第二快的。

生成测试数据的代码：

import numpy
import random

alength = 100
a = numpy.array([random.randint(1, 6) for i in range(alength)])
b = []
for i in range(alength):
    length = random.randint(1, 5)
    element = []
    for i in range(length):
        element.append(random.randint(1, 6))
    b.append(element)
b = numpy.array(b)
print a, b

选项：

from itertools import izip_longest
def magic_function1(a, b): # From OP Martin Fixman
    return [x in y for x, y in zip(a, b)]  

def magic_function2(a, b): # What I thought might be better.
    bools = []
    for x, y in zip(a,b):
        found = False
        for j in y:
            if x == j:
                found=True
                break
        bools.append(found)

def magic_function3(a, b): # What I tried first
    bools = []
    for i in range(len(a)):
        found = False
        for j in range(len(b[i])):
            if a[i] == b[i][j]:
                found=True
                break
        bools.append(found)

def magic_function4(a, b): # From Bas Swinkels
    bb = numpy.full((len(b), max(len(i) for i in b)), numpy.nan)
    for irow, row in enumerate(b):
        bb[irow, :len(row)] = row
    a[:,numpy.newaxis] == bb
    return numpy.any(a[:,numpy.newaxis] == bb, axis=1)

def magic_function5(a, b): # From Sauldo Castro, revised version
    c = numpy.array(list(izip_longest(*b))).astype(float)
    return numpy.isclose(c, a), axis=0)

时间n_executions

n_executions = 100
clock = timeit.Timer(stmt="magic_function1(a, b)", setup="from __main__ import magic_function1, a, b")
print clock.timeit(n_executions), "seconds"
# Repeat with each candidate function

结果：

0.158078225475 秒 magic_function1
0.181080926835 秒 magic_function2
0.259621047822 秒 magic_function3
0.287054750224 秒 magic_function4
0.0839162196207 秒 magic_function5

Answer 3

要利用 NumPy 的 broadcasting 规则，您应该首先对数组 b 进行平方，这可以使用 itertools.izip_longest:

来实现

from itertools import izip_longest

c = np.array(list(izip_longest(*b))).astype(float)

导致：

array([[  1.,   2.,   5.,   7.],
       [  2.,   8.,   6.,  nan],
       [ 13.,   9.,  nan,  nan]])

然后，通过执行 np.isclose(c, a)，您将获得一个二维布尔数组，显示每个 c[:, i] 和 a[i] 之间的差异，根据广播规则，给出：

array([[ True,  True, False, False],
       [False, False, False, False],
       [False, False, False, False]], dtype=bool)

可以用来获取你的答案：

np.any(np.isclose(c, a), axis=0)
#array([ True,  True, False, False], dtype=bool)

使用 numpy 进行 elementwise "in" 的 Pythonic 和有效方法

Pythonic and efficient way to do an elementwise "in" using numpy

python

arrays

boolean

numpy

总结

生成测试数据的代码：

选项：

时间n_executions

结果：