获取两个2D numpy数组的相交行

Question

我想在两个2D numpy数组中获得相交（公共）行。例如，如果以下数组作为输入传递：array([[1, 4],       [2, 5],       [3, 6]])array([[1, 4],       [3, 6],       [7, 8]])输出应该是：array([[1, 4],       [3, 6])我知道如何用循环来做这件事。我正在寻找一种Pythonic / Numpy方式来做到这一点。

Answer 1

对于短数组，使用集合可能是最清晰，最易读的方法。

另一种方法是使用numpy.intersect1d。你必须欺骗它将行视为单个值，但是......这使得事情的可读性降低了......

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)

对于大型数组，这应该比使用集合快得多。

Answer 2

你可以使用Python的集合：

>>> 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]])

正如Rob Cowie指出的那样，这可以更简洁地完成

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

可能有一种方法可以做到这一点，而不是从数组到元组的所有来回，但它现在不会来找我。