Rumah >pembangunan bahagian belakang >Tutorial Python >Bagaimana untuk Mencari Indeks Baris Berbilang Nilai dalam Tatasusunan NumPy?
Cari Indeks Baris Beberapa Nilai dalam Tatasusunan Numpy
Masalah:
Kami diberi tatasusunan NumPy X dan satu set nilai searched_values. Objektifnya adalah untuk menentukan indeks baris dalam X yang sepadan dengan setiap nilai dalam searched_values.
Sebagai contoh, untuk tatasusunan input berikut:
X = np.array([[4, 2], [9, 3], [8, 5], [3, 3], [5, 6]]) searched_values = np.array([[4, 2], [3, 3], [5, 6]])
Output yang dikehendaki hendaklah:
[0, 3, 4]
Pendekatan #1: NumPy Penyiaran
Pendekatan ini menggunakan penyiaran NumPy untuk melakukan perbandingan mengikut unsur antara X dan setiap baris nilai_cari:
np.where((X == searched_values[:, None]).all(-1))[1]
Pendekatan #2: Penukaran Cekap Memori menggunakan np .in1d
Untuk mengekalkan ingatan, kita boleh menukar setiap baris X dan searched_values ke dalam persamaan indeks linear dan kemudian gunakan np.in1d untuk persilangan:
dims = X.max(0) + 1 out = np.where(np.in1d(np.ravel_multi_index(X.T, dims), np.ravel_multi_index(searched_values.T, dims)))[0]
Pendekatan #3: Penukaran Cekap Memori menggunakan np.searchsorted
Satu lagi pendekatan cekap ingatan menggunakan np.searchsorted dan falsafah indeks linear yang sama penukaran:
dims = X.max(0) + 1 X1D = np.ravel_multi_index(X.T, dims) searched_valuesID = np.ravel_multi_index(searched_values.T, dims) sidx = X1D.argsort() out = sidx[np.searchsorted(X1D, searched_valuesID, sorter=sidx)]
Memahami np.ravel_multi_index
np.ravel_multi_index menukar setiap baris X menjadi setara indeks linear yang unik. Ia beroperasi pada tatasusunan 2D indeks n-dimensi dan bentuk grid n-dimensi yang indeks ini akan dipetakan.
Sebagai contoh, dalam contoh kami, setiap baris X mewakili tuple pengindeksan untuk grid 2D dengan dimensi malap. np.ravel_multi_index memetakan setiap tupel ini kepada indeks linear yang unik.
Atas ialah kandungan terperinci Bagaimana untuk Mencari Indeks Baris Berbilang Nilai dalam Tatasusunan NumPy?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!