|
|
|
|
公众号矩阵

从Python到NumPy,细说最接近人类思维的in操作

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。

作者:天元浪子来源:Python作业辅导员|2021-04-30 16:04

本文转载自微信公众号「 Python作业辅导员」,作者天元浪子 。转载本文请联系 Python作业辅导员公众号。

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。

  1. >>> 'or' in 'hello world' 
  2. True 
  3. >>> 5 in {1,2,3,4} 
  4. False 
  5. >>> 'age' in {'name':'Mike''age':18} 
  6. 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。

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

  1. >>> np.where(a>5) 
  2. (array([6, 7, 8], dtype=int64),) 
  3. >>> np.where(a%2==0) 
  4. (array([0, 2, 4, 6, 8], dtype=int64),) 
  5. >>> np.where(a in [2,3,5,7]) 
  6. Traceback (most recent call last): 
  7.   File "<pyshell#111>", line 1, in <module> 
  8.     np.where(a in [2,3,5,7]) 
  9. 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。

  1. >>> np.where(a in np.array([2,3,5,7])) 
  2. (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。

  1. >>> p = np.array([2,3,5,7]) # 质数数组 
  2. >>> np.in1d(a, p) # 返回a的每一个元素是否是质数的布尔数组 
  3. array([FalseFalse,  True,  TrueFalse,  TrueFalse,  TrueFalse]) 
  4. >>> np.where(np.in1d(a, p)) # 返回数组a中质数的索引序号 
  5. (array([2, 3, 5, 7], dtype=int64),) 
  6. >>> 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 
  7. 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。

  1. >>> np.in1d(a.reshape((3,3)), p) 
  2. array([FalseFalse,  True,  TrueFalse,  TrueFalse,  TrueFalse]) 

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。

  1. >>> np.isin(a.reshape((3,3)), p) 
  2. array([[FalseFalse,  True], 
  3.        [ TrueFalse,  True], 
  4.        [False,  TrueFalse]]) 
  5. >>> np.where(np.isin(a.reshape((3,3)), p)) 
  6. (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。

  1. >>> a[np.where(np.isin(a, p))] 
  2. array([2, 3, 5, 7]) 
  3. >>> np.intersect1d(a, p) 
  4. 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。

【编辑推荐】

  1. 尹成带你学Python-基础了解以及用法视频课程
  2. 机器学习之Python语言基础(.NET版)
  3. 使用Python操作Oracle
  4. 只需七步!零基础入门Python变量与数据类型
  5. 一行代码实现Python连接所有数据库做数据分析
【责任编辑:武晓燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

数据湖与数据仓库的分析实践攻略

数据湖与数据仓库的分析实践攻略

助力现代化数据管理:数据湖与数据仓库的分析实践攻略
共3章 | 创世达人

8人订阅学习

云原生架构实践

云原生架构实践

新技术引领移动互联网进入急速赛道
共3章 | KaliArch

39人订阅学习

数据中心和VPDN网络建设案例

数据中心和VPDN网络建设案例

漫画+案例
共20章 | 捷哥CCIE

232人订阅学习

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO官微