numpy vectorized:检查数组中的字符串是否以另一个数组中的字符串结尾

Question

我有两个数组包含字符串。对于一个数组中的每个字符串，我要检查它是否以第二个数组中的字符串结尾。在

输入：

strings = ['val1', 'val2', 'val3']
ends = ['1', '2', 'al1']

期望输出：

^{pr2}$

由于val1以1和{}结尾，所以（0,0）和（0,2）都是真的。在

我有以下工作代码：

import numpy as np

strings = ['val1', 'val2', 'val3']
ends = ['1', '2', 'al1']

def buildFunction(ending):
    return lambda x: x.endswith(ending)

funcs = list(map(buildFunction, ends))

def end_function_vector(val):
    return np.vectorize(lambda f, x: f(x))(funcs, np.repeat(val, len(funcs)))

result = np.array(list(map(end_function_vector, strings)))

并返回所需的输出。在

但是，对于大型数组（~10⁹输出元素），最后一行中的map需要相当长的时间，因为np.vectorize和{}几乎只是for循环的包装器。有人知道一种更快的矢量化方法吗？在

Answer 1

这是一个几乎*矢量化的方法，利用^{}-

# Get lengths of strings in each array
lens_strings = np.array(list(map(len,strings)))
lens_ends = np.array(list(map(len,ends)))

# Get the right most index of match, add the ends strings.
# The matching ones would cover the entire lengths of strings.
# So, do a final comparison against those lengths.
rfind = np.core.defchararray.rfind
out = rfind(strings[:,None], ends) + lens_ends == lens_strings[:,None]

样本运行-

^{pr2}$

*几乎是因为使用了map，但由于我们只使用它来获取输入元素的字符串长度，因此与解决我们的情况所需的其他操作相比，它的成本必须是最小的。在

Answer 2

Numpy对chararray有这样的操作：numpy.core.defchararray.endswith()。在

下面的代码可以大大加快速度，但是在创建两个与输出数组大小相同的数组时，确实需要大量内存：

A = np.array(['val1', 'val2', 'val3'])
B = np.array(['1', '2', 'al1'])

A_matrix = np.repeat(A[:, np.newaxis], len(B), axis=1)
B_matrix = np.repeat(B[:, np.newaxis], len(A), axis=1).transpose()

result = np.core.defchararray.endswith(A_matrix, B_matrix)

更新：
如Divakar所述，上述代码可合并为：

^{pr2}$