numpy：如何连接数组？（以获得多个范围的并集）

Question

我将Python与numpy一起使用。

我有一个索引的numpy数组a：

>>> a
array([[5, 7],
       [12, 18],
       [20, 29]])
>>> type(a)
<type 'numpy.ndarray'>

我有一个索引的numpy数组b：

>>> b
array([[2, 4],
       [8, 11],
       [33, 35]])
>>> type(b)
<type 'numpy.ndarray'>

我需要将数组a与数组b连接起来：

a+b=>；[2, 4] [5, 7] [8, 11] [12, 18] [20, 29] [33, 35]

=>；a和b有索引数组=>；[2, 18] [20, 29] [33, 35]

（索引([2, 4][5, 7][8, 11][12, 18])按顺序进行

=>；2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18=>；[2, 18]）

对于本例：

>>> out_c
array([[2, 18],
       [20, 29],
       [33, 35]])

有人能建议一下，我怎么得到out_c？

更新：@Geoff建议的解决方案python union of multiple ranges。此解决方案是否是大型数据阵列中最快和最好的解决方案？

Answer 1

不漂亮，但很管用。我不喜欢最后一个循环，buy想不出没有它的方法：

ab = np.vstack((a,b))
ab.sort(axis=0)

join_with_next = ab[1:, 0] - ab[:-1, 1] <= 1
endpoints = np.concatenate(([0],
                            np.where(np.diff(join_with_next) == True)[0]  + 2,
                            [len(ab,)]))
lengths = np.diff(endpoints)
new_lengths = lengths.copy()
if join_with_next[0] == True:
    new_lengths[::2] = 1
else:
    new_lengths[1::2] = 1
new_endpoints = np.concatenate(([0], np.cumsum(new_lengths)))
print endpoints, lengths
print new_endpoints, new_lengths

starts = endpoints[:-1]
ends = endpoints[1:]
new_starts = new_endpoints[:-1]
new_ends = new_endpoints[1:]
c = np.empty((new_endpoints[-1], 2), dtype=ab.dtype)

for j, (s,e,ns,ne) in enumerate(zip(starts, ends, new_starts, new_ends)):
    if e-s != ne-ns:
        c[ns:ne] = np.array([np.min(ab[s:e, 0]), np.max(ab[s:e, 1])])
    else:
        c[ns:ne] = ab[s:e]

>>> c
array([[ 2, 18],
       [20, 29],
       [33, 35]])