python - Numpy搜索子集中数组的元素

假设我有numpy数组

a = np.array([1,3,5,7,9,11,13])
b = np.array([3,5,7,11,13])

我想创建一个大小为a的布尔数组，其中每个条目是真是假取决于a的元素是否也在b中。
所以在这种情况下，我想

a_b = np.array([False,True,True,True,False,True,True]).

当b包含一个元素a==b[0]时，我可以这样做。当b的长度大于1时，有没有一种快速的方法可以做到这一点。

最佳答案

使用numpy.in1d：

In [672]: np.in1d([1,2,3,4], [1,2])
Out[672]: array([ True,  True, False, False], dtype=bool)

对于您的数据：

In [674]: np.in1d(a, b)
Out[674]: array([False,  True,  True,  True, False,  True,  True], dtype=bool)

根据文档，这在版本1.4.0或更高版本中可用。这些文档还描述了该操作在纯Python中的外观：
in1d可视为一维序列的python关键字in的按元素的函数版本。in1d(a, b)大致相当于np.array([item in b for item in a])。
此函数的文档值得阅读，因为有invertkeyword参数和assume_uniquekeyword参数——它们在某些情况下都非常有用。
我还发现使用np.vectorize和operator.contains创建自己的版本很有趣：

from operator import contains
v_in = np.vectorize(lambda x,y: contains(y, x), excluded={1,})

然后：

In [696]: v_in([1,2,3, 2], [1, 2])
Out[696]: array([ True,  True, False,  True], dtype=bool)

因为operator.contains会翻转参数，所以我需要lambda来使调用约定与您的用例匹配——但是如果可以先使用b然后使用a调用，则可以跳过此步骤。
但请注意，您需要为excluded使用vectorize选项，因为您希望表示b序列的参数（用于检查其内部成员关系的序列）实际保持为一个序列（因此，如果您选择不使用contains翻转lambda参数，则希望排除索引0而不是1）。
使用in1d的方法肯定要快得多，而且是一种更好的方法，因为它依赖于众所周知的内置。但有时知道如何使用operator和vectorize来完成这些技巧是很好的。
您甚至可以为此创建Python Infix recipe instance，然后将v_in用作“中缀”操作：

v_in = Infix(np.vectorize(lambda x,y: contains(y, x), excluded={1,}))
# even easier: v_in = Infix(np.in1d)

以及示例用法：

In [702]: v_in([1, 2, 3, 2], [1, 2])
Out[702]: array([ True,  True, False,  True], dtype=bool)

In [704]: [1, 2, 3, 2] <<v_in>> [1, 2]
Out[704]: array([ True,  True, False,  True], dtype=bool)