numpy.in1d

numpy.in1d(ar1, ar2, assume_unique=False, invert=False, *, kind=None)[source]

Проверка, присутствует ли каждый элемент одномерного массива также в другом массиве.

Устарело начиная с версии 2.0: Используйте isin вместо in1d в новом коде.

Возвращает булевый массив той же длины, что и ar1, который имеет значение True, где элемент ar1 присутствует в ar2, и False в противном случае.

Параметры:

ar1(M,) array_like

Входной массив.

ar2array_like

Значения, по которым проверяется каждый элемент ar1.

assume_uniquebool, optional

Если True, предполагается, что оба входных массива уникальны, что может ускорить вычисления. По умолчанию False.

invertbool, optional

Если True, значения в возвращаемом массиве инвертируются (т. е., False, где элемент ar1 присутствует 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)).

kind{None, ‘sort’, ‘table’}, optional

Алгоритм для использования. Это не повлияет на конечный результат, но повлияет на скорость и использование памяти. По умолчанию None, который будет автоматически выбран на основе соображений памяти.

• Если ‘sort’, будет использоваться подход на основе сортировки слиянием. Это потребует примерно в 6 раз больше памяти, чем сумма размеров ar1 и ar2, без учета размера dtypes.
• Если ‘table’, будет использоваться подход на основе таблицы поиска, похожий на сортировку подсчетом. Доступно только для булевых и целочисленных массивов. Это потребует памяти размером ar1 плюс максимальное и минимальное значение ar2. assume_unique не имеет эффекта, когда используется опция ‘table’.
• Если None, будет автоматически выбран ‘table’, если требуемое выделение памяти меньше или равно 6 раз сумме размеров ar1 и ar2, в противном случае будет использован ‘sort’. Это делается для того, чтобы по умолчанию не использовать большое количество памяти, даже если ‘table’ может быть быстрее в большинстве случаев. Если выбран ‘table’, assume_unique не будет иметь эффекта.

Введено в версии 1.8.0.

Возвращает:

in1d(M,) ndarray, bool

Значения ar1[in1d] присутствуют в ar2.

См. также

isin

Версия этой функции, сохраняющая форму ar1.

Примечания

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

Использование kind='table' имеет тенденцию быть быстрее, чем kind=’sort’ , если выполняется следующее соотношение: log10(len(ar2)) > (log10(max(ar2)-min(ar2)) - 2.27) / 0.927, но может использовать больше памяти. Значение по умолчанию для kind будет автоматически выбрано только на основе использования памяти, поэтому можно вручную установить kind='table' если можно смягчить ограничения памяти.

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