比較兩個數組並顯示匹配的總和

Question

我有2個相同形狀的Numpy數組。 現在，我想比較數組1和數組2的值。最后，將輸出條件值== 1的匹配的總和。

陣列1：

[1, 0, 1]
[1, 1, 0]
[0, 0, 1]

陣列2：

[0, 1, 1]
[1, 0, 0]
[0, 1, 1]

現在的結果應如下所示：

sum = 3

-------------------------

我的以下算法有效，但性能不佳且不夠優雅：

k = 0
for i in range(0,array1.shape[0],1):
    for j in range(0, array1.shape[1], 1):

        if array1[i][j] == array2[i][j] and array1[i][j] == 1:
            k = k + 1
        else:
            continue

print k

Answer 1

如果確實是二進制數據，則可以執行

np.logical_and(a, b).sum()
3

這應該比(a==b) & (a==1)快得多

Answer 2

這是組合兩個條件的一種方法。

import numpy as np

a = np.array([[1, 0, 1],
              [1, 1, 0],
              [0, 0, 1]])

b = np.array([[0, 1, 1],
              [1, 0, 0],
              [0, 1, 1]])

res = np.sum((a==b) & (a==1))  # 3

說明

• a==b返回一個布爾數組，它按元素測試兩個數組之間的相等性。
• a==1返回一個布爾數組，以按元素測試a到1中的元素是否相等。
• &運算符用於表示必須同時滿足兩個條件。
• np.sum適用於布爾數組，因為bool是int的子類，即True可以視為1， False視為0。

Answer 3

我為上述解決方案做了一些時間安排...

第一名：np.logical_and（）

第二名：np.sum（np.multiply（））

第三名：np.sum（arr1 == arr2＆arr1 == 1）

第四名：基本循環和比較。

這將輸出：

# Test 1 gives : 15.1819742985
# Test 2 gives : 14.9471218792
# Test 3 gives : 6.76537855828
# Test 4 gives : 9.16029915098

---

import numpy as np
import timeit

arr1 = np.array([[1, 0, 1], [1, 1, 0], [0, 0, 1]])
arr2 = np.array([[0, 1, 1], [1, 0, 0], [0, 1, 1]])
numberIterations = 1000000

def test_1(arr1, arr2):
    return np.sum((arr1 == arr2) & (arr1 == 1))

def test_2(arr1, arr2):
    summed = 0
    for a1, a2 in zip(arr1, arr2):
        for c1, c2 in zip(a1, a2):
            if c1 == c2 and c1 == 1:
                summed += 1
    return summed

def test_3(arr1, arr2):
    return np.logical_and(arr1, arr2).sum()

def test_4(arr1, arr2):
    return np.sum(np.multiply(arr1, arr2))  

# Testing time.
# Test 1
time1 = timeit.timeit(stmt='test_1(arr1, arr2)',
                    setup='from __main__ import test_1, arr1, arr2',
                    number=numberIterations)

# Test 2
time2 = timeit.timeit(stmt='test_2(arr1, arr2)',
                    setup='from __main__ import test_2, arr1, arr2',
                    number=numberIterations)

# Test 3
time3 = timeit.timeit(stmt='test_3(arr1, arr2)',
                    setup='from __main__ import test_3, arr1, arr2',
                    number=numberIterations)

# Test 4
time4 = timeit.timeit(stmt='test_4(arr1, arr2)',
                    setup='from __main__ import test_4, arr1, arr2',
                    number=numberIterations)

# Printing results.
print 'Test 1 gives : {}'.format(time1)
print 'Test 2 gives : {}'.format(time2)
print 'Test 3 gives : {}'.format(time3)
print 'Test 4 gives : {}'.format(time4)

Answer 4

>>> import numpy as np
>>> a=np.array([[1,0,1],[1,1,0],[0,0,1]])
>>> b=np.array([[0,1,1],[1,0,0],[0,1,1]])
>>> a==b
array([[False, False,  True],
       [ True, False,  True],
       [ True, False,  True]], dtype=bool)
>>> c=np.array(a==b, dtype=int)
>>> c
array([[0, 0, 1],
       [1, 0, 1],
       [1, 0, 1]])
>>> np.sum(c)
5
>>> d=np.array(a*b, dtype=int)
>>> d
array([[0, 0, 1],
       [1, 0, 0],
       [0, 0, 1]])
>>> np.sum(d)
3

Answer 5

如果矩陣中只有0和1

import numpy as np 

ar_1=np.array([[1, 0, 1],
[1, 1, 0],
[0, 0, 1]])

ar_2 = np.array([[0, 1, 1],
[1, 0, 0],
[0, 1, 1]])

np.sum(np.multiply(ar_1,ar_2))

np.multiply將是元素明智的乘法。 僅當給定的兩個參數均為1時，才會給您1。

不帶軸的np.sum將對矩陣的所有元素求和

Answer 6

這是另外四種快速方法：

1） np.dot ：

np.dot(a.ravel(), b.ravel())
# 3

2） np.bincount ：

np.bincount(a.ravel(), b.ravel())[1]
# 3.0

3） np.count_nonzero ：

np.count_nonzero(a * b)
# 3

4） np.repeat ：

np.count_nonzero(a.ravel().repeat(b.ravel()))
# 3

借用@IMCoins的測試腳本

Test 1 gives : 6.34505105019
Test 2 gives : 7.32884097099
Test 3 gives : 3.29451298714
Test 4 gives : 3.76608014107
Test 5 gives : 1.28572297096    <- np.dot
Test 6 gives : 1.3145699501     <- np.bincount
Test 7 gives : 0.984617948532   <- np.count_nonzero
Test 8 gives : 1.06798291206    <- np.repeat

如果我使用較大的數組（ np.tile(arr[1/2], (100, 100)) ）和較少的迭代np.tile(arr[1/2], (100, 100))變成：

Test 1 gives : 0.253939151764
Test 2 gives : 34.9494478703
Test 3 gives : 0.190597057343
Test 4 gives : 0.139708995819
Test 5 gives : 0.0751769542694
Test 6 gives : 0.382376909256
Test 7 gives : 0.239590883255
Test 8 gives : 0.335343122482