从Python到NumPy最接近人类思维的in操作是怎样的

这篇文章将为大家详细讲解有关从Python到NumPy最接近人类思维的in操作是怎样的，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。

创新互联公司专注于企业成都全网营销、网站重做改版、河池网站定制设计、自适应品牌网站建设、HTML5、商城网站建设、集团公司官网建设、外贸营销网站建设、高端网站制作、响应式网页设计等建站业务，价格优惠性价比高，为河池等各大城市提供网站开发制作服务。

在Python语言中，in是一个使用频率非常高的操作符，用于判断对象是否位于字符串、元组、列表、集合或字典中。in操作和人的思维方式高度吻合，写起来近乎于自然语言，充分体现了Python的哲学理念。

>>> '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++在内的主流语言几乎都不支持in操作。这或许可以解释为什么Python语言被认为是最容易学习的编程语言。

习惯了使用Python的in操作符，有时就会自然而然地应用到NumPy数组操作上。比如，下面的写法看起来没有任何问题。

>>> 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

不过，当我尝试在np.where()函数中使用in操作符的时候，出现了意外。

>>> 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 "", line 1, in      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作为条件，np.where()函数没有问题，但是，使用a in  [2,3,5,7]，np.where()就会抛出异常。即便写成下面这样，也不能得到期望的结果。

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

难道NumPy不支持两个数组之间的in操作吗?不，强大到宇宙无敌的NumPy，怎么会不支持数组之间的in操作呢?NumPy不但支持，而且支持得很好。

>>> p = np.array([2,3,5,7]) # 质数数组 >>> np.in1d(a, p) # 返回a的每一个元素是否是质数的布尔数组 array([False, False,  True,  True, False,  True, False,  True, False]) >>> np.where(np.in1d(a, p)) # 返回数组a中质数的索引序号 (array([2, 3, 5, 7], dtype=int64),) >>> np.where(np.in1d(a, p), -1, a) # 返回数组a中的质数全部替换为-1的结果 array([ 0,  1, -1, -1,  4, -1,  6, -1,  8])

np.in1d()的参数如果是多维数组，将被自动扁平化，且返回的布尔数组也是扁平化的一维数组。

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

如果np.in1d()的参数是多维的，且期望返回和原数组结构相同的布尔数组，则应使用np.isin()函数。

>>> 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))

若是期望得到两个数组的交集而不是交集元素的索引，下面两种方式都可行。

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

第二种方式直接使用np.intersect1d()函数得到两个数组的交集，且自动排序。不过，我更喜欢第一种方式。

关于从Python到NumPy最接近人类思维的in操作是怎样的就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。