Python：如何更快地发现通用索引？

Question

我提出了以下方法来寻找所有共同的指数，其中值在两个长度相等的向量上存在。我喜欢它的可读性，但我需要它更快

missingA = np.argwhere(np.isnan(vectorA)==True);
missingA = [missingA[ma][0] for ma in range(len(missingA))];

missingB = np.argwhere(np.isnan(vectorB)==True);
missingB = [missingB[mb][0] for mb in range(len(missingB))];

allmissidxs = set(missingA).union(set(missingB)); 
idxs = [idx for idx in range(len(vectorA))   if idx not in allmissidxs];

它肯定能工作，但我需要使用它的向量是从100万到300万个元素…并且可能需要运行多次。我使用“…IfIdx不在allmissidxs中”，而不是说“…IfIdx在allpresidxs中”，因为缺少的值肯定是要扫描的更小的子集。此外，我确信，鉴于np.argwhere（）自然返回的结构，必须重新配置missingA和missingB也无济于事，但这真的是这里的瓶颈吗

任何帮助都将不胜感激！谢谢

Answer 1

假设源向量与其他解决方案中的源向量相同：

vectorA = np.array([np.nan, 1., 2., 3.,     np.nan, 5.,     np.nan, 7.,
    8., np.nan])
vectorB = np.array([0.,     1., 2., np.nan, 4.,     np.nan, 6.,     np.nan,
    8., np.nan])

您可以使用Pandasonic索引及其交叉方法来完成任务。 甚至可以将其写成以下一行：

result = pd.Index(vectorA).intersection(vectorB)

结果是：

Float64Index([1.0, 2.0, 8.0], dtype='float64')

如果希望将结果作为Numpy向量，请将.values附加到上述代码中 结果将是：

array([1., 2., 8.])

这种方法的优点是避免了任何列表理解， 因此，此代码的运行速度应该比您的代码快得多。 在更大的数据样本上自己检查