Obtenez des lignes qui se croisent sur deux tableaux numpy 2D

Question

Je veux obtenir les lignes (communes) qui se croisent sur deux tableaux numpy 2D. Par exemple, si les tableaux suivants sont passés en entrées :

 array([[1, 4],
       [2, 5],
       [3, 6]])

array([[1, 4],
       [3, 6],
       [7, 8]])

la sortie doit être :

 array([[1, 4],
       [3, 6])

Je sais comment faire cela avec des boucles. Je cherche un moyen Pythonic/Numpy de le faire.

Answer 1

Pour les tableaux courts, utiliser des ensembles est probablement le moyen le plus clair et le plus lisible de le faire.

Une autre méthode consiste à utiliser numpy.intersect1d . Vous devrez cependant le tromper en traitant les lignes comme une valeur unique... Cela rend les choses un peu moins lisibles...

 import numpy as np

A = np.array([[1,4],[2,5],[3,6]])
B = np.array([[1,4],[3,6],[7,8]])

nrows, ncols = A.shape
dtype={'names':['f{}'.format(i) for i in range(ncols)],
       'formats':ncols * [A.dtype]}

C = np.intersect1d(A.view(dtype), B.view(dtype))

# This last bit is optional if you're okay with "C" being a structured array...
C = C.view(A.dtype).reshape(-1, ncols)

Pour les grands tableaux, cela devrait être considérablement plus rapide que d'utiliser des ensembles.

Answer 2

Vous pouvez utiliser les ensembles de Python :

 >>> import numpy as np
>>> A = np.array([[1,4],[2,5],[3,6]])
>>> B = np.array([[1,4],[3,6],[7,8]])
>>> aset = set([tuple(x) for x in A])
>>> bset = set([tuple(x) for x in B])
>>> np.array([x for x in aset & bset])
array([[1, 4],
       [3, 6]])

Comme le souligne Rob Cowie, cela peut être fait de manière plus concise en

 np.array([x for x in set(tuple(x) for x in A) & set(tuple(x) for x in B)])

Il existe probablement un moyen de le faire sans tous les allers-retours des tableaux aux tuples, mais cela ne me vient pas pour le moment.

Answer 3

Une autre façon d'y parvenir en utilisant un tableau structuré :

 >>> a = np.array([[3, 1, 2], [5, 8, 9], [7, 4, 3]])
>>> b = np.array([[2, 3, 0], [3, 1, 2], [7, 4, 3]])
>>> av = a.view([('', a.dtype)] * a.shape[1]).ravel()
>>> bv = b.view([('', b.dtype)] * b.shape[1]).ravel()
>>> np.intersect1d(av, bv).view(a.dtype).reshape(-1, a.shape[1])
array([[3, 1, 2],
       [7, 4, 3]])

Pour plus de clarté, la vue structurée ressemble à ceci :

 >>> a.view([('', a.dtype)] * a.shape[1])
array([[(3, 1, 2)],
       [(5, 8, 9)],
       [(7, 4, 3)]],
       dtype=[('f0', '<i8'), ('f1', '<i8'), ('f2', '<i8')])

Answer 4

np.array(set(map(tuple, b)).difference(set(map(tuple, a))))

Cela pourrait aussi fonctionner