在2D numpy数组中查找值的索引

Question

我试着从numpy数组中获取索引值，我试着使用intersects而不是无效的。我只是想在两个数组中找到相似的值。一个是2D，我选择了一个列，另一个是1D，只是一个要搜索的值列表，所以实际上只有2个1D数组。

我们将此数组称为：

 array([[    1, 97553,     1],
       [    1, 97587,     1],
       [    1, 97612,     1],
       [    1, 97697,     1],
       [    1, 97826,     3],
       [    1, 97832,     1],
       [    1, 97839,     1],
       [    1, 97887,     1],
       [    1, 97944,     1],
       [    1, 97955,     2]])

我们搜索说，values = numpy.array([97612, 97633, 97697, 97999, 97943, 97944])

所以我试着：

numpy.where(a[:, 1] == values)

我希望有一堆值的索引，但是我得到的是一个空数组，它会弹出[(array([], dtype=int64),)]。

如果我试试这个：

numpy.where(a[:, 1] == 97697)

它还给了我(array([2]),)，这是我所期望的。

我这里少了什么奇怪的数组？或者有更简单的方法来做这个吗？查找数组索引和匹配数组似乎根本没有我所期望的那样工作。当我想通过indice或unique值找到数组的并集或交集时，它似乎不起作用。任何帮助都是很好的。谢谢。

编辑： 根据沃伦的要求：

import numpy

a = numpy.array([[    1, 97553,     1],
       [    1, 97587,     1],
       [    1, 97612,     1],
       [    1, 97697,     1],
       [    1, 97826,     3],
       [    1, 97832,     1],
       [    1, 97839,     1],
       [    1, 97887,     1],
       [    1, 97944,     1],
       [    1, 97955,     2]])

values = numpy.array([97612, 97633, 97697, 97999, 97943, 97944])

我发现numpy.in1d将为操作提供一个正确的布尔值真值表，其1d数组的长度应与原始数据相同。我现在唯一的问题是如何处理这个问题，例如删除或修改这些索引处的原始数组。我可以用一个循环费力地完成它，但据我所知，在numpy有更好的方法。作为面具的真相表应该是非常强大的，从我所能找到的努比。

Answer 1

只是一个想法：

尝试展平二维数组并使用numpy.intersect1d进行比较

https://docs.scipy.org/doc/numpy-1.14.0/reference/generated/numpy.ndarray.flatten.html

https://docs.scipy.org/doc/numpy-1.14.0/reference/generated/numpy.intersect1d.html

Answer 2

带有单个参数的^{}等价于^{}。它提供了条件input数组是True的索引。

在您的示例中，您正在检查a[:,1]和values之间的元素相等性

a[:, 1] == values
False

所以它给出了正确的结果：输入中没有索引是True。

您应该改用^{}

np.isin(a[:,1], values)
array([False, False,  True,  True, False, False, False, False,  True, False], dtype=bool)

现在可以使用^{}获取索引

np.where(np.isin(a[:,1], values))
(array([2, 3, 8]),)

并使用这些来处理原始数组

a[np.where(np.isin(a[:,1], values))]    
array([[    1, 97612,     1],
       [    1, 97697,     1],
       [    1, 97944,     1]])

通过简单的等式检查，您的初始解决方案确实可以使用正确的^{}：

np.where(a[:,1] == values[..., np.newaxis])[1]
array([2, 3, 8])

---

编辑：如果您在使用上述结果索引和操作数组时遇到问题，这里有几个简单的示例

现在您应该有两种方法来访问原始数组中的匹配元素，二进制掩码或np.where中的索引。

mask = np.isin(a[:,1], values)  # np.in1d if np.isin is not available
idx = np.where(mask)

假设要将所有匹配行设置为零

a[mask] = 0   # or a[idx] = 0
array([[    1, 97553,     1],
       [    1, 97587,     1],
       [    0,     0,     0],
       [    0,     0,     0],
       [    1, 97826,     3],
       [    1, 97832,     1],
       [    1, 97839,     1],
       [    1, 97887,     1],
       [    0,     0,     0],
       [    1, 97955,     2]])

或者将匹配行的第三列乘以100

a[mask, 2] *= 100
array([[    1, 97553,     1],
       [    1, 97587,     1],
       [    1, 97612,   100],
       [    1, 97697,   100],
       [    1, 97826,     3],
       [    1, 97832,     1],
       [    1, 97839,     1],
       [    1, 97887,     1],
       [    1, 97944,   100],
       [    1, 97955,     2]])

或者您想删除匹配的行（这里使用索引比掩码更方便）

np.delete(a, idx, axis=0)
array([[    1, 97553,     1],
       [    1, 97587,     1],
       [    1, 97826,     3],
       [    1, 97832,     1],
       [    1, 97839,     1],
       [    1, 97887,     1],
       [    1, 97955,     2]])