在2D和1D数组之间逐元素使用numpy isin
问题内容：
我有一个非常简单的场景，其中我想测试二维数组的两个元素是否（分别）是较大数组的成员-例如：
full_array = np.array(['A','B','C','D','E','F'])
sub_arrays = np.array([['A','C','F'],
['B','C','E']])
np.isin(full_array, sub_arrays)
这给了我一维输出：
array([ True, True, True, False, True, True])
显示full_array的元素是否存在于两个子数组中的任何一个中。我想要一个二维数组，为sub_arrays中的两个元素分别显示相同的内容-因此：
array([[ True, False, True, False, False, True],
[ False, True, True, False, True, False]])
希望这是有道理的，并感谢任何帮助。
问题答案：
广播基础一
一个简单的方法是broadcasting在扩展其中一个数组然后沿各自的轴进行任意缩减之后-
In [140]: (full_array==sub_arrays[...,None]).any(axis=1)
Out[140]:
array([[ True, False, True, False, False, True],
[False, True, True, False, True, False]])
用 searchsorted
特定情况＃1
通过full_array排序以及所有元素sub_arrays至少存在于中full_array，我们还可以使用np.searchsorted-
idx = np.searchsorted(full_array, sub_arrays)
out = np.zeros((sub_arrays.shape[0],len(full_array)),dtype=bool)
np.put_along_axis(out, idx, 1, axis=1)
具体案例＃2
经过full_array排序后，如果不是所有元素sub_arrays都保证至少存在于中full_array，我们需要采取额外的步骤-
idx = np.searchsorted(full_array, sub_arrays)
idx[idx==len(full_array)] = 0
out = np.zeros((sub_arrays.shape[0],len(full_array)),dtype=bool)
np.put_along_axis(out, idx, full_array[idx] == sub_arrays, axis=1)
一般情况
对于full_array不一定要排序的真正通用情况，我们需要将sorterarg与searchsorted-
def isin2D(full_array, sub_arrays):
out = np.zeros((sub_arrays.shape[0],len(full_array)),dtype=bool)
sidx = full_array.argsort()
idx = np.searchsorted(full_array, sub_arrays, sorter=sidx)
idx[idx==len(full_array)] = 0
idx0 = sidx[idx]
np.put_along_axis(out, idx0, full_array[idx0] == sub_arrays, axis=1)
return out
样品运行-
In [214]: full_array
Out[214]: array(['E', 'F', 'A', 'B', 'D', 'C'], dtype='|S1')
In [215]: sub_arrays
Out[215]:
array([['Z', 'C', 'F'],
['B', 'C', 'E']], dtype='|S1')
In [216]: isin2D(full_array, sub_arrays)
Out[216]:
array([[False, True, False, False, False, True],
[ True, False, False, True, False, True]])
