检查 NumPy 数组中是否存在值的最有效方法是什么？

Question

我有一个非常大的 NumPy 阵列

1 40 3
4 50 4
5 60 7
5 49 6
6 70 8
8 80 9
8 72 1
9 90 7
.... 

我想检查数组的第一列中是否存在值。 我有很多本土方法（例如遍历每一行并检查），但考虑到数组的大小，我想找到最有效的方法。

谢谢！

Answer 1

怎么样

if value in my_array[:, col_num]:
    do_whatever

编辑：我认为__contains__的实现方式与@detly 的版本相同

Answer 2

对我来说最明显的是：

np.any(my_array[:, 0] == value)

Answer 3

To check multiple values, you can use numpy.in1d(), which is an element-wise function version of the python keyword in. If your data is sorted, you can use numpy.searchsorted():

import numpy as np
data = np.array([1,4,5,5,6,8,8,9])
values = [2,3,4,6,7]
print np.in1d(values, data)

index = np.searchsorted(data, values)
print data[index] == values

Answer 4

迷人。 我需要提高必须以相同方式执行匹配索引确定的一系列循环的速度。 所以我决定在这里计算所有解决方案的时间，以及一些即兴演奏。

这是我对 Python 2.7.10 的速度测试：

import timeit
timeit.timeit('N.any(N.in1d(sids, val))', setup = 'import numpy as N; val = 20010401020091; sids = N.array([20010401010101+x for x in range(1000)])')

18.86137104034424

timeit.timeit('val in sids', setup = 'import numpy as N; val = 20010401020091; sids = [20010401010101+x for x in range(1000)]')

15.061666011810303

timeit.timeit('N.in1d(sids, val)', setup = 'import numpy as N; val = 20010401020091; sids = N.array([20010401010101+x for x in range(1000)])')

11.613027095794678

timeit.timeit('N.any(val == sids)', setup = 'import numpy as N; val = 20010401020091; sids = N.array([20010401010101+x for x in range(1000)])')

7.670552015304565

timeit.timeit('val in sids', setup = 'import numpy as N; val = 20010401020091; sids = N.array([20010401010101+x for x in range(1000)])')

5.610057830810547

timeit.timeit('val == sids', setup = 'import numpy as N; val = 20010401020091; sids = N.array([20010401010101+x for x in range(1000)])')

1.6632978916168213

timeit.timeit('val in sids', setup = 'import numpy as N; val = 20010401020091; sids = set([20010401010101+x for x in range(1000)])')

0.0548710823059082

timeit.timeit('val in sids', setup = 'import numpy as N; val = 20010401020091; sids = dict(zip([20010401010101+x for x in range(1000)],[True,]*1000))')

0.054754018783569336

非常令人惊讶！ 数量级差异！

总而言之，如果您只想知道某物是否在一维列表中：

• 19s N.any(N.in1d(numpy 数组))
• 15s x in (列表)
• 8s N.any(x == numpy 阵列)
• 6s x in (numpy 数组)
• .1s x in（集合或字典）

如果您还想知道列表中的某些内容（顺序很重要）：

• 12s N.in1d(x, numpy 阵列)
• 2s x == (numpy 数组)

Answer 5

对于 numpy，添加到@HYRY 的答案 in1d 似乎是最快的。 这是使用 numpy 1.8 和 python 2.7.6。

在这个测试中 in1d 是最快的，但是10 in a看起来更干净：

a = arange(0,99999,3)
%timeit 10 in a
%timeit in1d(a, 10)

10000 loops, best of 3: 150 µs per loop
10000 loops, best of 3: 61.9 µs per loop

构造一个集合比调用 in1d慢，但是检查值是否存在要快一点：

s = set(range(0, 99999, 3))
%timeit 10 in s

10000000 loops, best of 3: 47 ns per loop

Answer 6

据我所知，最方便的方法是：

(Val in X[:, col_num])

其中 Val 是您要检查的值， X 是数组。 在您的示例中，假设您要检查值 8 是否存在于您的第三列中。 简单地写

(8 in X[:, 2])

如果第三列中有 8，这将返回 True，否则返回 False。

Answer 7

如果您正在寻找整数列表，您可以使用索引来完成这项工作。 这也适用于 nd-arrays，但似乎更慢。 不止一次这样做可能会更好。

def valuesInArray(values, array):
    values = np.asanyarray(values)
    array = np.asanyarray(array)
    assert array.dtype == np.int and values.dtype == np.int
    
    matches = np.zeros(array.max()+1, dtype=np.bool_)
    matches[values] = True
    
    res = matches[array]
    
    return np.any(res), res
    
    
array = np.random.randint(0, 1000, (10000,3))
values = np.array((1,6,23,543,222))

matched, matches = valuesInArray(values, array)

通过使用 numba 和 njit，我可以将这个速度提高 ~x10。

Answer 8

如果要检查列表a是否在 numpy 数组b中，请使用以下语法：

np.any(np.equal(a, b).all(axis=1))

考虑到 numpy 阵列的形状为n*2 ，放置axis = 1