Bagaimana untuk Menentukan jika Array Numpy Mengandungi Baris Tertentu?

Mencari jika Tatasusunan Numpy Mengandungi Baris Tertentu

Apabila bekerja dengan tatasusunan Numpy, kadangkala ia menjadi perlu untuk mengesahkan sama ada baris tertentu wujud dalam tatasusunan. Tidak seperti senarai Python standard, tatasusunan Numpy memberikan nuansa unik yang memerlukan pendekatan khusus apabila melakukan semakan sedemikian.

Perbezaan Tatasusunan Numpy

Tidak seperti tatasusunan Python, tatasusunan Numpy mempamerkan gelagat berbeza apabila menguji kewujudan baris menggunakan operator dalam:

<code class="python"># Python Array
a = [[1, 2], [10, 20], [100, 200]]
[1, 2] in a  # True
[1, 20] in a  # False

# Numpy Array
a = np.array([[1, 2], [10, 20], [100, 200]])
np.array([1, 2]) in a  # True
np.array([1, 20]) in a  # True  (Unexpected)</code>

Kaedah Cekap

Untuk menyemak kewujudan baris dengan cekap dalam tatasusunan Numpy, pertimbangkan kaedah berikut:

• .tolist() Penukaran: Tukar tatasusunan Numpy kepada senarai dan kemudian gunakan operator dalam pada senarai:

<code class="python">[1, 2] in a.tolist()  # True
[1, 20] in a.tolist()  # False</code>

• Paparan Numpy: Gunakan paparan tatasusunan untuk menyemak kewujudan baris dengan cepat:

<code class="python">any((a[:]==[1,2]).all(1))  # True
any((a[:]==[1,20]).all(1))  # False</code>

• Penjana atas Numpy: Jana pada setiap baris tatasusunan dan bandingkan dengan baris sasaran:

<code class="python">any(([1, 2] == x).all() for x in a)  # Stops on first occurrence</code>

• Fungsi Logik Numpy: Gunakan fungsi logik Numpy untuk melakukan perbandingan:

<code class="python">any(np.equal(a, [1, 2]).all(1))  # True</code>

Pertimbangan Prestasi

Prestasi kaedah ini berbeza-beza berdasarkan saiz dan struktur tatasusunan. Berikut ialah beberapa pemasaan untuk tatasusunan 300,000 x 3:

early hit: [9000, 9001, 9002] in 300,000 elements:
    view: 0.01002 seconds
    python list: 0.00305 seconds
    gen over numpy: 0.06470 seconds
    logic equal: 0.00909 seconds

late hit: [899970, 899971, 899972] in 300,000 elements:
    view: 0.00936 seconds
    python list: 0.30604 seconds
    gen over numpy: 6.47660 seconds
    logic equal: 0.00965 seconds

Kesimpulan

Untuk semakan kewujudan baris yang cekap dalam tatasusunan Numpy, adalah disyorkan untuk menggunakan sama ada . tolist(), Numpy view, atau kaedah fungsi logik Numpy. Kaedah penjana harus dielakkan kerana overhed prestasinya yang ketara.

Atas ialah kandungan terperinci Bagaimana untuk Menentukan jika Array Numpy Mengandungi Baris Tertentu?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!