将Numpy ndarray带有另一个ndarray，一行

Question

我有2个numpy ndarray

第一个包含x和y值：

xy_arr = [[ 736190.125         1130.        ]
 [ 736190.16666667    1130.        ]
 [ 736190.20833333    1130.        ]
...,
 [ 736190.375         1140.        ]
 [ 736190.41666667    1140.        ]
 [ 736190.45833333    1140.        ]
 [ 736190.5           1140.        ]]

第二个具有X y和索引值，并且比第一个要大得多：

xyind_arr = [[  7.35964000e+05   1.02000000e+03   0.00000000e+00]
 [  7.35964042e+05   1.02000000e+03   1.00000000e+00]
 [  7.35964083e+05   1.02000000e+03   2.00000000e+00]
 ..., 
 [  7.36613397e+05   1.09500000e+03   3.07730000e+04]
 [  7.36613404e+05   1.10000000e+03   3.07740000e+04]
 [  7.36613411e+05   1.10500000e+03   3.07750000e+04]]

我想保留xyind_arr的所有行，其中xy_arr中的值相同，例如：

（xyind_arr [：，0] == xy_arr [：，0]）和（xyind_arr [：，1] == xy_arr [：，1]）

我的代码：

sub_array = xyind_arr[((xyind_arr[:, 0] == xy_arr[:, 0]) &
                       (xyind_arr[:, 1] == xy_arr[:, 1]))]

仅在xy_array具有一个元素时工作。例如：

import numpy as np
xy_arr = np.array([[56, 400]])
xyind_arr = np.array([[5, 6, 0],[8, 12, 1],[9, 17, 2],[56, 400, 3],[23, 89, 4]])
sub_array = xyind_arr[((xyind_arr[:, 0] == xy_arr[:, 0]) &
                       (xyind_arr[:, 1] == xy_arr[:, 1]))]
print(sub_array)

结果确定：

[[ 56 400   3]]

但是有

xy_arr = np.array([[5, 6],[8, 12],[23, 89]])

结果是

[]

我期望

[[5, 6, 0],[8, 12, 1],[23, 89, 4]]

是否有任何干净的Numpy方法获得此过滤后的子数组？

---

编辑：

最后，我放下了numpy解决方案并使用python set（）：

    xy_arr_set = set(map(tuple, xy_arr))
    xyind_arr_set = set(map(tuple, xyind_arr))
    for x, y, ind in xyind_arr_set:
        if (x,y) in xy_arr_set:
            "do what i need"

Answer 1

有numpy.isin，但仅对标量数组进行测试；其中没有元组比较。您可以使用此方法查找Array1的所有行，其中0th列条目位于Array2的0列中，而第一列条目也位于Array2的第一列中。但这与您的任务不同，因为不能保证在Array2的同一行中找到0和第一个条目。

由于xyind_arr大得多，因此我认为循环循环较小的数组xy_arr应该可以接受，一次应用xy_arr过滤器之一，并加以结合结果。为此，xy_arr的行必须是唯一的，因此最好先检查一下：

xy_arr = np.unique(xy_arr, axis=0)    
sub_array = np.concatenate([xyind_arr[(xyind_arr[:, 0] == xy_arr[k, 0]) &
                            (xyind_arr[:, 1] == xy_arr[k, 1])]
                            for k in np.arange(xy_arr.shape[0])], axis=0) 

注意：将无法保留行的顺序。