python - 检测numpy数组中的有序对

我正在使用一个numpy数组来保存有序对的列表（代表网格坐标）。我正在编写的算法需要检查新生成的有序对是否已在此数组中。下面是代码示意图：

cluster=np.array([[x1,y1]])
cluster=np.append(cluster,[[x2,y2]],axis=0)
cluster=np.append...etc.

new_spin=np.array([[x,y]])

if new_spin in cluster==False:
    do something

当前代码的问题是它给出了误报。如果x或y出现在群集中，则new_spin in cluster评估为true。起初，我认为一个简单的解决方法是询问x和y是否出现在cluster中，但这不能确保它们以有序对的形式出现。为了确保它们以有序对的形式出现，我必须找到x和y在cluster中出现的索引并进行比较，这看起来很笨拙且不雅观，我敢肯定必须有一个更好的解决方案。但是，我自己却无法解决。

谢谢你的帮助。

最佳答案

让我们来看一个例子：

In [7]: import numpy as np
In [8]: cluster = np.random.randint(10, size = (5,2))
In [9]: cluster
Out[9]:
array([[9, 7],
       [7, 2],
       [8, 9],
       [1, 3],
       [3, 4]])

In [10]: new_spin = np.array([[1,2]])

In [11]: new_spin == cluster
Out[11]:
array([[False, False],
       [False,  True],
       [False, False],
       [ True, False],
       [False, False]], dtype=bool)

new_spin == cluster是dtype bool的numpy数组。如果cluster中的值等于new_spin中的对应值，则为True。

为了使new_spin在“ cluster中”，上述布尔数组的一行必须全部为True。我们可以通过调用all(axis = 1)方法找到这样的行：

In [12]: (new_spin == cluster).all(axis = 1)
Out[12]: array([False, False, False, False, False], dtype=bool)

因此，如果行中的new_spin全部为True，则cluster为“ any中的”：

In [13]:
In [14]: (new_spin == cluster).all(axis = 1).any()
Out[14]: False

顺便说一句，np.append是一个非常慢的操作-比Python list.append慢。如果避免使用np.append，则可能会获得更好的性能。如果cluster不太大，最好将集群设为列表的Python列表-至少直到完成附加项为止。然后，如果需要，用cluster将cluster = np.array(cluster)转换为numpy数组。

关于python - 检测numpy数组中的有序对，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/13888893/

Cluster

python - 检测numpy数组中的有序对