python 3.X - numpy搜索数组中的多个值，并返回它们的索引

Question

如何在numpy数组中搜索一小组值(未排序，不应更改)?它应该返回这些值的下标。

例如:

a = np.array(['d', 'v', 'h', 'r', 'm', 'a'])   # in general it will be large
query = np.array(['a', 'v', 'd'])
# Required:
idnx = someNumpyFunction(a, query)
print(indx)       # should be [5, 1, 0]

我是numpy的初学者，我找不到合适的方法来同时为多个值执行此任务(我知道np.where(a=='d')可以为单个值搜索完成)。

Answer 1

检查数组的一个经典方法是调整数组的形状并使用'==':

In [250]: arr==query[:,None]
Out[250]: 
array([[False, False, False, False, False,  True],
       [False,  True, False, False, False, False],
       [ True, False, False, False, False, False]], dtype=bool)
In [251]: np.where(arr==query[:,None])
Out[251]: (array([0, 1, 2]), array([5, 1, 0]))

如果元素query没有在a中找到，则其"行"将缺失，例如[0,2]而不是[0,1,2]

In [261]: np.where(arr==np.array(['a','x','v'],dtype='S')[:,None])
Out[261]: (array([0, 2]), array([5, 1]))   

对于这个小示例，它比等效的列表推导式快得多:

np.hstack([(arr==i).nonzero()[0] for i in query])

它比searchsorted溶液慢一点。(在这个解中，如果没有找到query元素，则i是越界的)。

---

Stefano建议fromiter。与list的hstack相比，它节省了一些时间:

In [313]: timeit np.hstack([(arr==i).nonzero()[0] for i in query])10000 loops, best of 3: 49.5 us per loop
In [314]: timeit np.fromiter(((arr==i).nonzero()[0] for i in query), dtype=int, count=len(query))
10000 loops, best of 3: 35.3 us per loop

但是如果缺少一个元素，或者多次出现，则会引发错误。hstack可以处理变长条目，fromiter不能。

np.flatnonzero(arr==i)比().nonzero()[0]慢，但我还没有研究为什么。

Answer 2

您可以在排序数组上使用np.searchsorted，然后将返回的索引恢复到原始数组。你可以使用np.argsort;如:

>>> indx = a.argsort()  # indices that would sort the array
>>> i = np.searchsorted(a[indx], query)  # indices in the sorted array
>>> indx[i]  # indices with respect to the original array
array([5, 1, 0])

如果a的大小为n, query的大小为k，则这将是O(n log n + k log n)，如果log n < k，则线性搜索将比O(n k)更快。