色香阁99久久精品久久久,久久精品97,久久久久久亚洲综合影院红桃

主頁 > 知識庫 > python numpy中setdiff1d的用法說明

python numpy中setdiff1d的用法說明

一、函數解釋

setdiff1d(ar1, ar2, assume_unique=False)

1.功能：找到2個數組中集合元素的差異。

2.返回值：在ar1中但不在ar2中的已排序的唯一值。

3.參數：

ar1：array_like 輸入數組。

ar2：array_like 輸入比較數組。

assume_unique：bool。如果為True，則假定輸入數組是唯一的，即可以加快計算速度。默認值為False。

二、具體示例

1.assume_unique = False的情況：

    a = np.array([1,2,3])
    b = np.array([4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2 3]
    a = np.array([1,2,3])
    b = np.array([1,2,3])
    c = np.setdiff1d(a, b)
    print(c)#[]
    a = np.array([1,2,3])
    b = np.array([2,3,4])
    c = np.setdiff1d(a, b)
    print(c)#[1]
    a = np.array([1,2,3,4])
    b = np.array([3,4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2]
    a = np.array([1,2,3,2,4,1])
    b = np.array([3,4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2]
    a = np.array([8,2,3,2,4,1])
    b = np.array([7,4,5,6,3])
    c = np.setdiff1d(a, b)
    print(c)#[1 2 8]

可以從最后看出返回的值從小到大排序，并且唯一。（8在a的第1位，2在a中重復了2次）

2.assume_unique = True的情況：

    a = np.array([3,2,1])
    b = np.array([4,5,6])
    c = np.setdiff1d(a, b,True)
    print(c)#[3 2 1]
    a = np.array([8,2,3,2,4,1])
    b = np.array([7,4,5,6,3])
    c = np.setdiff1d(a, b,True)
    print(c)#[8 2 2 1]
    a = np.array([8,2,3,4,2,4,1])
    b = np.array([7,9,5,6,3])
    c = np.setdiff1d(a, b,True)
    print(c)#[8 2 4 2 4 1]

可以看出把在a中的但是不在b中的元素按a中的順序排序，并且不合并重復的元素，即假定輸入數組也是唯一的，因此相比于False確實提升了運算速度。

三、整體代碼

import numpy as np 
def main():
    a = np.array([1,2,3])
    b = np.array([4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2 3]
    a = np.array([1,2,3])
    b = np.array([1,2,3])
    c = np.setdiff1d(a, b)
    print(c)#[]
    a = np.array([1,2,3])
    b = np.array([2,3,4])
    c = np.setdiff1d(a, b)
    print(c)#[1]
    a = np.array([1,2,3,4])
    b = np.array([3,4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2]
    a = np.array([1,2,3,2,4,1])
    b = np.array([3,4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2]
    a = np.array([8,2,3,2,4,1])
    b = np.array([7,4,5,6,3])
    c = np.setdiff1d(a, b)
    print(c)#[1 2 8]
    a = np.array([3,2,1])
    b = np.array([4,5,6])
    c = np.setdiff1d(a, b,True)
    print(c)#[3 2 1]
    a = np.array([8,2,3,2,4,1])
    b = np.array([7,4,5,6,3])
    c = np.setdiff1d(a, b,True)
    print(c)#[8 2 2 1]
    a = np.array([8,2,3,4,2,4,1])
    b = np.array([7,9,5,6,3])
    c = np.setdiff1d(a, b,True)
    print(c)#[8 2 4 2 4 1]
 
if __name__ == '__main__':
    main()

補充：Python編程之numpy庫函數in1d的使用

最近利用Python作數值分析時使用到numpy庫下的in1d函數。in1d函數與excel中vlookup函數和MATLAB中ismember函數有相似之處。其作用在于在序列B中尋找與序列A相同的值，并返回一邏輯值（True,False）或邏輯值構成的向量。

具體例子見下文

設mask為邏輯值向量，矩陣x的第一列為待查找向量，d為被查詢向量(或值)，即查找x中與d中指定元素相同的值，并返回邏輯值向量mask。mask是由一系列True和False值構成，True代表找到相同的值，而False代表沒找到相同的值。演示如下：

mask= np.in1d(x.values[:,1],d[1],invert=False) ##x為DataFrame型數據，x.values[:,1]表示取第二列值
x_temp=x[mask]

示取第二列值

x_temp=x[mask]

該例旨在查找 x 的第二列值中與d向量中第二個元素相同的部分，并返回mask邏輯向量；然后x_temp返回x中mask邏輯值為True的行。

mask向量的類型為bool，查看具體值下圖所示：

值得注意的地方在于in1d函數中invert參數的設置。當invert=True時，mask中的元素值為True的部分對x.values[:,1]中與當前查找的元素d[i]不同的部分(i為當前查找位置)，相同的部分則為false；當invert=False時，mask中的元素值為True的部分對x.values[:,1]中與當前查找的元素d[i]相同的部分(i為當前查找位置)。

演示見下圖：

當mask= np.in1d(x.values[:,1],d[2],invert=True)