Numpy 在二維數組中查找多個字符串

Question

我是 Numpy 的新手，寫 python 已經有一段時間了。

我正在努力在被切片的 Numpy 數組中找到多個字符串。
我的數據：

string0 = "part0-part1-part2-part3-part4"
string1 = "part5-part6-part9-part7-part8"
string2 = "part5-part6-part1-part8-part7"

切片到每個部分並再次組合到一個陣列中，將它們全部放在一個地方。

stringsraw = np.array([[string0], [string1], [string2]])
stringssliced = np.array(np.char.split(stringsraw, sep = '-').tolist())
stringscombined = np.squeeze(np.dstack((stringsraw, stringssliced)))

結果是：

[['part0-part1-part2-part3-part4' 'part0' 'part1' 'part2' 'part3' 'part4']
 ['part5-part6-part9-part7-part8' 'part5' 'part6' 'part9' 'part7' 'part8']
 ['part5-part6-part1-part7-part8' 'part5' 'part6' 'part1' 'part8' 'part7']]

想要找到“part1”和“part7”的索引

np.where((stringscombined[2] == "part1") & (stringscombined[2] == "part7"))

結果什么都沒有。 誰能解釋為什么結果不是[3,4]？

認為會有更好的方法來不循環遍歷所有內容。

“whished”查詢/結果將是：

np.where((stringscombined == "part6") & (stringscombined == "part7")) 
= array[[1,2,4]
        [2,2,5]]

任何幫助表示贊賞

Answer 1

我們可以首先使用 np.isin 檢測這兩個元素的位置：

np.isin(stringscombined,["part1","part7"])
array([[False, False,  True, False, False, False],
       [False, False, False, False,  True, False],
       [False, False, False,  True, False,  True]])

使用np.where()將告訴我們在哪里可以找到元素。 我們還需要一個信息，即哪一行同時包含“part1”和“part7”：

(np.sum(stringscombined=="part1",axis=1)>0) & (np.sum(stringscombined=="part7",axis=1)>0)

array([False, False,  True])

以上將告訴我們僅從第二行獲取索引。 將這兩個信息組合成一個 function：

def index_A(Array,i1,i2):
    idx = (np.sum(Array==i1,axis=1)>0) & (np.sum(Array==i2,axis=1)>0)
    loc = np.where(np.isin(Array,[i1,i2]))
    hits = [np.insert(loc[1][loc[0]==i],0,i) for i in np.where(idx)[0]]
    return hits

index_A(stringscombined,"part6","part7")
[array([1, 2, 4]), array([2, 2, 5])]

Answer 2

我們可以通過以下方式簡化尺寸：

In [475]: stringsraw = np.array([string0, string1, string2])                             
In [476]: stringsraw                                                                     
Out[476]: 
array(['part0-part1-part2-part3-part4', 'part5-part6-part9-part7-part8',
       'part5-part6-part1-part8-part7'], dtype='<U29')
In [477]: np.char.split(stringsraw, sep='-')                                             
Out[477]: 
array([list(['part0', 'part1', 'part2', 'part3', 'part4']),
       list(['part5', 'part6', 'part9', 'part7', 'part8']),
       list(['part5', 'part6', 'part1', 'part8', 'part7'])], dtype=object)
In [478]: np.stack(_)                                                                    
Out[478]: 
array([['part0', 'part1', 'part2', 'part3', 'part4'],
       ['part5', 'part6', 'part9', 'part7', 'part8'],
       ['part5', 'part6', 'part1', 'part8', 'part7']], dtype='<U5')
In [479]: arr = _                        

列表理解同樣好（而且很快）：

In [491]: [str.split('-') for str in [string0, string1, string2]]                        
Out[491]: 
[['part0', 'part1', 'part2', 'part3', 'part4'],
 ['part5', 'part6', 'part9', 'part7', 'part8'],
 ['part5', 'part6', 'part1', 'part8', 'part7']]
In [492]: np.array(_)                                                                    
Out[492]: 
array([['part0', 'part1', 'part2', 'part3', 'part4'],
       ['part5', 'part6', 'part9', 'part7', 'part8'],
       ['part5', 'part6', 'part1', 'part8', 'part7']], dtype='<U5')

然后對切片或整個數組進行相等測試：

In [488]: np.nonzero((arr[2]=='part1')|(arr[2]=='part7'))                                
Out[488]: (array([2, 4]),)
In [489]: arr=='part1'                                                                   
Out[489]: 
array([[False,  True, False, False, False],
       [False, False, False, False, False],
       [False, False,  True, False, False]])
In [490]: np.nonzero(_)                                                                  
Out[490]: (array([0, 2]), array([1, 2]))

In [493]: np.in1d(arr[2],['part1','part7'])                                              
Out[493]: array([False, False,  True, False,  True])

numpy's處理沒有什么特別之處。

np.isin也有效。 它使用in1d 。 如果一個參數很小，它實際上會重復| 如[488]：

In [501]: np.isin(arr,['part1','part7'])                                                 
Out[501]: 
array([[False,  True, False, False, False],
       [False, False, False,  True, False],
       [False, False,  True, False,  True]])
In [502]: np.nonzero(_)                                                                  
Out[502]: (array([0, 1, 2, 2]), array([1, 3, 2, 4]))