在二维numpy数组中查找匹配行

Question

我想得到一个与行匹配的二维Numpy数组的索引。例如，我的数组是这样的：

vals = np.array([[0, 0],
                 [1, 0],
                 [2, 0],
                 [0, 1],
                 [1, 1],
                 [2, 1],
                 [0, 2],
                 [1, 2],
                 [2, 2],
                 [0, 3],
                 [1, 3],
                 [2, 3],
                 [0, 0],
                 [1, 0],
                 [2, 0],
                 [0, 1],
                 [1, 1],
                 [2, 1],
                 [0, 2],
                 [1, 2],
                 [2, 2],
                 [0, 3],
                 [1, 3],
                 [2, 3]])

我想得到与索引3和15的行[0，1]匹配的索引。当我做类似于numpy.where(vals == [0 ,1])的事情时，我会。。。

(array([ 0,  3,  3,  4,  5,  6,  9, 12, 15, 15, 16, 17, 18, 21]), array([0, 0, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 0, 0]))

我想要索引数组（[3，15]）。

Answer 1

In [5]: np.where((vals[:,0] == 0) & (vals[:,1]==1))[0]
Out[5]: array([ 3, 15])

---

我不知道为什么，但这比
np.where((vals == (0, 1)).all(axis=1))：

In [34]: vals2 = np.tile(vals, (1000,1))

In [35]: %timeit np.where((vals2 == (0, 1)).all(axis=1))[0]
1000 loops, best of 3: 808 µs per loop

In [36]: %timeit np.where((vals2[:,0] == 0) & (vals2[:,1]==1))[0]
10000 loops, best of 3: 152 µs per loop

Answer 2

您需要^{}函数来获取索引：

>>> np.where((vals == (0, 1)).all(axis=1))
(array([ 3, 15]),)

或者，如文件所述：

If only condition is given, return condition.nonzero()

您可以直接对.all返回的数组调用^{}：

>>> (vals == (0, 1)).all(axis=1).nonzero()
(array([ 3, 15]),)

要分解它：

>>> vals == (0, 1)
array([[ True, False],
       [False, False],
       ...
       [ True, False],
       [False, False],
       [False, False]], dtype=bool)

在数组上调用.all方法（使用axis=1）可以得到True，其中两者都是真的：

>>> (vals == (0, 1)).all(axis=1)
array([False, False, False,  True, False, False, False, False, False,
       False, False, False, False, False, False,  True, False, False,
       False, False, False, False, False, False], dtype=bool)

要获取哪些索引是True：

>>> np.where((vals == (0, 1)).all(axis=1))
(array([ 3, 15]),)

或者

>>> (vals == (0, 1)).all(axis=1).nonzero()
(array([ 3, 15]),)

---

我发现我的解决方案更具可读性，但正如unutbu所指出的，以下方法可能更快，并返回与(vals == (0, 1)).all(axis=1)相同的值：

>>> (vals[:, 0] == 0) & (vals[:, 1] == 1)

Answer 3

使用numpy_indexed包，您只需编写：

import numpy_indexed as npi
print(np.flatnonzero(npi.contains([[0, 1]], vals)))