numpy.in1d

numpy.in1d(ar1, ar2, assume_unique=False, invert=False) [source]

Проверка, присутствует ли каждый элемент одномерного массива также и во втором массиве.

Возвращает булевый массив той же длины, что и ar1, который равен True, если элемент из ar1 присутствует в ar2, и False в противном случае.

Параметры:

ar1 : (M,) array_like Входной массив. ar2 : array_like Значения, с которыми сравнивать каждый элемент ar1. assume_unique : bool, optional Если True, предполагается, что оба входных массива уникальны, что может ускорить вычисление. По умолчанию False. invert : bool, optional Если True, значения в возвращаемом массиве инвертируются (то есть False, если элемент ar1 содержится в ar2, и True в противном случае). По умолчанию False. np.in1d(a, b, invert=True) эквивалентно (но быстрее, чем) np.invert(in1d(a, b)). Новое в версии 1.8.0.

Возвращает:

in1d : (M,) ndarray, bool Значения ar1[in1d] присутствуют в ar2.

См. также

numpy.lib.arraysetops

Модуль с рядом других функций для выполнения операций над множествами в массивах.

Примечания

in1d можно рассматривать как элементную версию ключевого слова python in, для одномерных последовательностей. in1d(a, b) примерно эквивалентно np.array([item in b for item in a]). Однако эта идея терпит неудачу, если ar2 является множеством или аналогичным контейнером (не последовательностью): поскольку ar2 преобразуется в массив, в этих случаях asarray(ar2) является массивом объектов, а не ожидаемым массивом содержащихся значений.

Новое в версии 1.4.0.

Примеры

>>> test = np.array([0, 1, 2, 5, 0])
>>> states = [0, 2]
>>> mask = np.in1d(test, states)
>>> mask
array([ True, False,  True, False,  True], dtype=bool)
>>> test[mask]
array([0, 2, 0])
>>> mask = np.in1d(test, states, invert=True)
>>> mask
array([False,  True, False,  True, False], dtype=bool)
>>> test[mask]
array([1, 5])