從Python到NumPy最接近人類思維的in操作是怎樣的

這篇文章將為大家詳細講解有關從Python到NumPy最接近人類思維的in操作是怎樣的，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

在Python語言中，in是一個使用頻率非常高的操作符，用于判斷對象是否位于字符串、元組、列表、集合或字典中。in操作和人的思維方式高度吻合，寫起來近乎于自然語言，充分體現了Python的哲學理念。

>>> 'or' in 'hello world' True >>> 5 in {1,2,3,4} False >>> 'age' in {'name':'Mike', 'age':18} True

有趣的是，除了R、javascript、SQL外，包括C/C++在內的主流語言幾乎都不支持in操作。這或許可以解釋為什么Python語言被認為是最容易學習的編程語言。

習慣了使用Python的in操作符，有時就會自然而然地應用到NumPy數組操作上。比如，下面的寫法看起來沒有任何問題。

>>> import numpy as np >>> a = np.arange(9) >>> a array([0, 1, 2, 3, 4, 5, 6, 7, 8]) >>> 5 in a True >>> 10 in a False

不過，當我嘗試在np.where()函數中使用in操作符的時候，出現了意外。

>>> np.where(a>5) (array([6, 7, 8], dtype=int64),) >>> np.where(a%2==0) (array([0, 2, 4, 6, 8], dtype=int64),) >>> np.where(a in [2,3,5,7]) Traceback (most recent call last):   File "<pyshell#111>", line 1, in <module>     np.where(a in [2,3,5,7]) ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

使用a>5或者a%2==0作為條件，np.where()函數沒有問題，但是，使用a in  [2,3,5,7]，np.where()就會拋出異常。即便寫成下面這樣，也不能得到期望的結果。

>>> np.where(a in np.array([2,3,5,7])) (array([], dtype=int64),)

難道NumPy不支持兩個數組之間的in操作嗎?不，強大到宇宙無敵的NumPy，怎么會不支持數組之間的in操作呢?NumPy不但支持，而且支持得很好。

>>> p = np.array([2,3,5,7]) # 質數數組 >>> np.in1d(a, p) # 返回a的每一個元素是否是質數的布爾數組 array([False, False,  True,  True, False,  True, False,  True, False]) >>> np.where(np.in1d(a, p)) # 返回數組a中質數的索引序號 (array([2, 3, 5, 7], dtype=int64),) >>> np.where(np.in1d(a, p), -1, a) # 返回數組a中的質數全部替換為-1的結果 array([ 0,  1, -1, -1,  4, -1,  6, -1,  8])

np.in1d()的參數如果是多維數組，將被自動扁平化，且返回的布爾數組也是扁平化的一維數組。

>>> np.in1d(a.reshape((3,3)), p) array([False, False,  True,  True, False,  True, False,  True, False])

如果np.in1d()的參數是多維的，且期望返回和原數組結構相同的布爾數組，則應使用np.isin()函數。

>>> np.isin(a.reshape((3,3)), p) array([[False, False,  True],        [ True, False,  True],        [False,  True, False]]) >>> np.where(np.isin(a.reshape((3,3)), p)) (array([0, 1, 1, 2], dtype=int64), array([2, 0, 2, 1], dtype=int64))

若是期望得到兩個數組的交集而不是交集元素的索引，下面兩種方式都可行。

>>> a[np.where(np.isin(a, p))] array([2, 3, 5, 7]) >>> np.intersect1d(a, p) array([2, 3, 5, 7])

第二種方式直接使用np.intersect1d()函數得到兩個數組的交集，且自動排序。不過，我更喜歡第一種方式。

關于從Python到NumPy最接近人類思維的in操作是怎樣的就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。