[英]Check common elements of two 2D numpy arrays, either row or column wise
[英]Find common elements in 2D numpy arrays
如果我有兩個(或更多)二維數組,我如何才能在給定行號的數組之間只獲取公共元素。 例如,我有以下格式的數組:
time, position, velocity, acceleration
我想讓兩個數組只有相同的時間元素,所以第 0 行。我可以使用
np.intersect1d(array1[:, 0], array2[:, 0])
這給出了所有常見的時間,但我想從 array1/2 中提取所有匹配的行/列或刪除不常見的時間元素。 最后array1
和array2
將具有完全相同的尺寸,所以我可以去:
pos_difference = array1[:, 1] - array2[:, 1]
數組可以是不同的大小,例如:
array1 = [[1, 100.0, 0.0, 0.0], [2, 110.0, 0.0, 0.0], [3, 120.0, 0.0, 0.0]]
array2 = [[1, 101.0, 0.0, 0.0], [3, 119, 0.0, 0.0]]
而且我只想提取常見的時間元素,因此 array1 和 array2 將僅在 Time=1 和 Time=3 時包含,因為這些是常見的時間元素。 然后我可以去:
pos_difference = array1[:, 1] - array2[:, 1]
這將同時是兩個數組之間的位置差異:
# First row will be when time=1 and second row will be when time=3
pos_difference = [[0, -1, 0.0, 0.0], [0, 1, 0.0, 0.0]]
如果你有這些數組:
import numpy as np
array1 = np.array([[1, 100.0, 0.0, 0.0], [2, 110.0, 0.0, 0.0], [3, 120.0, 0.0, 0.0]])
array2 = np.array([[1, 101.0, 0.0, 0.0], [3, 119, 0.0, 0.0]])
正如您所說,您可以使用np.intersect1d
來獲取交集,剩下的唯一事情就是索引數組:
intersect = np.intersect1d(array1[:, 0], array2[:, 0])
array1_matches = array1[np.any(array1[:, 0] == intersect[:, None], axis=0)]
array2_matches = array2[np.any(array2[:, 0] == intersect[:, None], axis=0)]
然后你可以減去它們:
>>> array1_matches - array2_matches
array([[ 0., -1., 0., 0.],
[ 0., 1., 0., 0.]])
這假設您的時間是唯一的且已排序。 如果它們未排序,您可以先對它們進行排序:
>>> array1 = array1[np.argsort(array1[:, 0])]
>>> array2 = array2[np.argsort(array2[:, 0])]
如果時間不是唯一的,我不知道你想如何處理,所以我不能在那里給你建議。
你想使用numpy.in1d
。
array1 = array1[np.in1d(array1[:,0], array2[:,0]), assume_unique=True]
array2 = array2[np.in1d(array2[:,0], array1[:,0]), assume_unique=True]
或者,如果您不想更改原件:
array3 = array1[np.in1d(array1[:,0], array2[:,0]), assume_unique=True]
array4 = array2[np.in1d(array2[:,0], array3[:,0]), assume_unique=True]
請注意,在這兩種情況下,我都使用縮減數組作為第二個in1d
的目標以減少搜索時間。 如果您想進一步優化,您可以將其包裝在if
語句中,以確保較小的數組是第一個in1d
的目標。
然后只做array3-array4
def common_subtract(a1, a2, i = 0, unique = True):
a1, a2 = np.array(a1), np.array(a2)
if a1.shape[0] > a2.shape[0]:
a1 = a1[np.in1d(a1[:, i], a2[:, i], assume_unique = unique)]
a2 = a2[np.in1d(a2[:, i], a1[:, i], assume_unique = unique)]
else:
a2 = a2[np.in1d(a2[:, i], a1[:, i], assume_unique = unique)]
a1 = a1[np.in1d(a1[:, i], a2[:, i], assume_unique = unique)]
return a1 - a2
我發現使用 intersect1d 更清晰地找到二維 numpy 數組中的常見元素。 在這種情況下,已定義了recent_books
和coding_books
。
start = time.time()
recent_coding_books = np.intersect1d([recent_books], [coding_books])
print(len(recent_coding_books))
print('Duration: {} seconds'.format(time.time() - start))
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.