比较两个numpy数组：（x1，y1）和（x2，y2），以检查元素是否相交

Question

我在尝试获取一个布尔数组时遇到麻烦，该数组指示何时第二个numpy数组中的元素也位于第一个数组中。

具有挑战性的部分是每个数组都是由纬度/经度对组成的，我想确保第二坐标中的每个纬度/经度也在第一坐标中。 所以，这就像一个十字路口

到目前为止，这是我所做的操作（使用较小的示例坐标）：

firstlat = [0, 1, 5, 5]
firstlon = [1, 0, 5, 4]

secondlat = [0, 2, 0, 5]
secondlon = [1, 2, 5, 5]

firstcoords = numpy.array((firstlat, firstlon))
firstcoords = numpy.transpose(firstcoords) # gets lat/lon pair


secondcoords = numpy.array((secondlat, secondlon))
secondcoords = numpy.transpose(secondcoords)

a = numpy.isin(secondcoords, firstcoords)

Wrong output:
[[ True  True]
[False False]
[ True  True]
[ True  True]]

Wanted output: [[True, False, False, True]]

Numpy firstcoords[0] = [0 1]使参数变平，因此尽管firstcoords[0] = [0 1] ，但似乎在“逐个元素”地比较它时显得不正确。 然而，如我看到，每个元件包括两个的[lat lon] ; 进行转置的目的是使lat / lons以元组或类似元组的形式获得，以便于比较。 那么，我该如何解决我的方法，或者针对此问题还有哪些其他可行的方法？

Answer 1

如果将经度和纬度压缩成元组，请执行以下操作：

firstlat = [0, 1, 5, 5]
firstlon = [1, 0, 5, 4]

secondlat = [0, 2, 0, 5]
secondlon = [1, 2, 5, 5]

first_lat_lon = list(zip(firstlat,firstlon))
second_lat_lon = list(zip(secondlat,secondlon))

然后，您可以轻松检查第二个列表中的哪个：

[x in first_lat_lon for x in second_lat_lon]

哪个返回：

[True, False, False, True]

Answer 2

我不知道您要寻找的功能是否可以在numpy中实现。 我建议使用以下内容：

in_second_and_first = set(zip(secondlat,secondlon)) & set(zip(firstlat,firstlon))

如果您使用的是Python 2（强烈建议您反对），请使用itertools.izip而不是内置的zip 。

Answer 3

使用isin一种技巧是使用结构化数组，尽管您的数组并不是真正的一维数组。

firstlat = [0, 1, 5, 5]
firstlon = [1, 0, 5, 4]

secondlat = [0, 2, 0, 5]
secondlon = [1, 2, 5, 5]

firstcoords = np.array(list(zip(firstlat, firstlon)), dtype=[("lat", int), ("lon", int)])
# array([(0, 1), (1, 0), (5, 5), (5, 4)], dtype=[('lat', '<i8'), ('lon', '<i8')])
secondcoords = np.array(list(zip(secondlat, secondlon)), dtype=[("lat", int), ("lon", int)])
# array([(0, 1), (2, 2), (0, 5), (5, 5)], dtype=[('lat', '<i8'), ('lon', '<i8')])

np.isin(secondcoords, firstcoords)
# array([ True, False, False,  True])

参考

如何使Numpy将每一行/张量视为一个值

获取两个2D numpy数组的相交行

Answer 4

使用np.void视图。 这只是将每一行视为数据块，而不是离散值。

def vview(a):  #based on @jaime's answer: https://stackoverflow.com/a/16973510/4427777
    return np.ascontiguousarray(a).view(np.dtype((np.void, a.dtype.itemsize * a.shape[1])))

然后，您可以按照需要使用np.isin

a = numpy.isin(vview(secondcoords), vview(firstcoords))

请注意，这是在数据级别上进行的比较，因此，如果您的实际数据是浮点型的，则无法处理浮点错误。 另一方面，它非常快，因为它不需要以任何方式重组或复制数据。