（Python）查找两个数组中的值的索引，这些值与另两个数组中的值相等

Question

我有以下4个数组，我想得到数组A和X中相等的值的索引，这些值对应于B和Y中相同位置的值。所以对于下面的例子

    import numpy as np
    A = np.asarray([400.5, 100,  700,   200,  15, 900])
    B = np.asarray([500.5, 200,  500, 600.5,   8, 999])
    X = np.asarray([400.5, 700,  100,   300,  15, 555, 900])
    Y = np.asarray([500.5, 500,600.5,   100,   8, 555, 999])

我想要两个带索引的数组：

indAB=[0 2 4 5]

• 0，因为A&B中的400.5和500.5也位于X&Y中的位置0
• 2因为A&B中的700和500也在位置2的X&Y中
• 4因为A&B中的15和8也在X&Y中处于位置4
• 5，因为A&B中的900和999也位于X&Y位置5

indXY=[0 1 4 6]

• 0、1、4和6与indAB相似，但与X&Y有关。在

式中，indAB是A和B中的值的指数，它们等于X和Y中的值，indXY是X和Y中的值的指数，它们等于A和B中的值

这是我目前为止的尝试：

^{pr2}$

我一直得到indXY的[0 1 2 4 6]，这是不正确的。不应包括2，因为即使Y和B中为600.5，A和B中的200和100（分别）不相等。在

如果有人能提出解决办法，我将不胜感激。非常感谢！在

Answer 1

试试这个：

import numpy as np

A = np.asarray([400.5, 100,  700,   200,  15, 900])
B = np.asarray([500.5, 200,  500, 600.5,   8, 999])
X = np.asarray([400.5, 700,  100,   300,  15, 555, 900])
Y = np.asarray([500.5, 500,600.5,   100,   8, 555, 999])

AB = np.stack([A, B], axis=-1)
XY = np.stack([X, Y], axis=-1)

eq = AB[:, np.newaxis, :] == XY[np.newaxis, :, :]
eq = np.logical_and.reduce(eq, axis=-1)

indAB, = np.where(np.logical_or.reduce(eq, axis=1))
indXY, = np.where(np.logical_or.reduce(eq, axis=0))

print("indAB", indAB)
print("indXY", indXY)

输出：

^{pr2}$

说明

AB和{}只是数组A和{}和{}和{}分别“堆叠”成二维数组。eq保存AB和XY中元素的all-overall比较；np.newaxis用于向AB和{}添加维度（注意，AB在位置1获得一个新维度，在位置0中{}获得一个新维度）。相等运算符==通过数组的新维度广播数组。第一个np.logical_and.reduce是确保这两个的“组件”是相等的（A到{}和{}到{}），并且np.logical_or.reduce操作检查从AB到{}和从XY到{}之间是否存在完全相等。最后，np.where得到索引。在

作为缺点，请注意，这需要一个大小为len(A)xlen(X)x2的布尔数组，因此，如果原始数组非常则可能会遇到内存问题。在

更新

如前所述，非常大的阵列可能是一个问题。如果您想“一次性”进行所有的比较，实际上并没有办法绕过它（中间数组的大小就是比较的次数）。但是，您也可以“按块”运行算法，例如：

import numpy as np

MAX_SIZE = 2  # Biggest array will be MAX_SIZE x MAX_SIZE x 2

A = np.asarray([400.5, 100,  700,   200,  15, 900])
B = np.asarray([500.5, 200,  500, 600.5,   8, 999])
X = np.asarray([400.5, 700,  100,   300,  15, 555, 900])
Y = np.asarray([500.5, 500,600.5,   100,   8, 555, 999])

AB = np.stack([A, B], axis=-1)
XY = np.stack([X, Y], axis=-1)

maskAB = np.full(len(AB), False, dtype=bool)
maskXY = np.full(len(XY), False, dtype=bool)

for iAB in range(0, len(AB), MAX_SIZE):
    pAB = np.expand_dims(AB[iAB:iAB + MAX_SIZE], axis=1)
    for iXY in range(0, len(XY), MAX_SIZE):
        pXY = np.expand_dims(XY[iXY:iXY + MAX_SIZE], axis=0)
        eq = pAB == pXY
        eq = np.logical_and.reduce(eq, axis=-1)
        maskAB[iAB:iAB + MAX_SIZE] |= np.logical_or.reduce(eq, axis=1)
        maskXY[iXY:iXY + MAX_SIZE] |= np.logical_or.reduce(eq, axis=0)

indAB, = np.where(maskAB)
indXY, = np.where(maskXY)

print("indAB", indAB)
print("indXY", indXY)

输出仍然是：

^{pr2}$

我使用2的MAX_SIZE只是为了说明它在示例中可以工作，但是在实践中，您可以根据您愿意使用的最大内存量来选择它（例如，对于MAX_SIZE = 10000，它应该是几百兆字节的顺序）。MAX_SIZE不需要小于数组的大小，也不必是数组大小的除数。在