Numpy在2d数组中查找多个字符串

Question

我是Numpy的新手，编写python已经有一段时间了。

我正在努力地在切片的Numpy数组中找到多个字符串。我的数据：

string0 = "part0-part1-part2-part3-part4"
string1 = "part5-part6-part9-part7-part8"
string2 = "part5-part6-part1-part8-part7"

切成每个部分，然后再次组合成一个数组，以将其全部放在一个位置。

stringsraw = np.array([[string0], [string1], [string2]])
stringssliced = np.array(np.char.split(stringsraw, sep = '-').tolist())
stringscombined = np.squeeze(np.dstack((stringsraw, stringssliced)))

结果：

[['part0-part1-part2-part3-part4' 'part0' 'part1' 'part2' 'part3' 'part4']
 ['part5-part6-part9-part7-part8' 'part5' 'part6' 'part9' 'part7' 'part8']
 ['part5-part6-part1-part7-part8' 'part5' 'part6' 'part1' 'part8' 'part7']]

想要找到'part1'和'part7'的索引

np.where((stringscombined[2] == "part1") & (stringscombined[2] == "part7"))

没有结果。谁能解释为什么结果不是[3,4]？

应该有一种更好的方法来避免循环遍历所有内容。

“浪费”的查询/结果将是：

np.where((stringscombined == "part6") & (stringscombined == "part7")) 
= array[[1,2,4]
        [2,2,5]]

任何帮助，感激不尽

Answer 1

我们可以使用以下方法简化尺寸：

In [475]: stringsraw = np.array([string0, string1, string2])                             
In [476]: stringsraw                                                                     
Out[476]: 
array(['part0-part1-part2-part3-part4', 'part5-part6-part9-part7-part8',
       'part5-part6-part1-part8-part7'], dtype='<U29')
In [477]: np.char.split(stringsraw, sep='-')                                             
Out[477]: 
array([list(['part0', 'part1', 'part2', 'part3', 'part4']),
       list(['part5', 'part6', 'part9', 'part7', 'part8']),
       list(['part5', 'part6', 'part1', 'part8', 'part7'])], dtype=object)
In [478]: np.stack(_)                                                                    
Out[478]: 
array([['part0', 'part1', 'part2', 'part3', 'part4'],
       ['part5', 'part6', 'part9', 'part7', 'part8'],
       ['part5', 'part6', 'part1', 'part8', 'part7']], dtype='<U5')
In [479]: arr = _                        

列表理解会一样好（并且很快）：

In [491]: [str.split('-') for str in [string0, string1, string2]]                        
Out[491]: 
[['part0', 'part1', 'part2', 'part3', 'part4'],
 ['part5', 'part6', 'part9', 'part7', 'part8'],
 ['part5', 'part6', 'part1', 'part8', 'part7']]
In [492]: np.array(_)                                                                    
Out[492]: 
array([['part0', 'part1', 'part2', 'part3', 'part4'],
       ['part5', 'part6', 'part9', 'part7', 'part8'],
       ['part5', 'part6', 'part1', 'part8', 'part7']], dtype='<U5')

然后对切片或整个数组进行相等性测试：

In [488]: np.nonzero((arr[2]=='part1')|(arr[2]=='part7'))                                
Out[488]: (array([2, 4]),)
In [489]: arr=='part1'                                                                   
Out[489]: 
array([[False,  True, False, False, False],
       [False, False, False, False, False],
       [False, False,  True, False, False]])
In [490]: np.nonzero(_)                                                                  
Out[490]: (array([0, 2]), array([1, 2]))

In [493]: np.in1d(arr[2],['part1','part7'])                                              
Out[493]: array([False, False,  True, False,  True])

numpy's字符串处理没有什么特别的。

np.isin也可以。它使用in1d。如果一个参数很小，它实际上会像[488]中那样重复执行|：

In [501]: np.isin(arr,['part1','part7'])                                                 
Out[501]: 
array([[False,  True, False, False, False],
       [False, False, False,  True, False],
       [False, False,  True, False,  True]])
In [502]: np.nonzero(_)                                                                  
Out[502]: (array([0, 1, 2, 2]), array([1, 3, 2, 4]))

Answer 2

我们首先可以使用np.isin检测这两个元素的位置：

np.isin(stringscombined,["part1","part7"])
array([[False, False,  True, False, False, False],
       [False, False, False, False,  True, False],
       [False, False, False,  True, False,  True]])

在此上使用np.where()将告诉我们可以在哪里找到元素。我们还需要一个信息，即哪一行同时具有“ part1”和“ part7”：

(np.sum(stringscombined=="part1",axis=1)>0) & (np.sum(stringscombined=="part7",axis=1)>0)

array([False, False,  True])

上面将告诉我们仅从第二行获取索引。将这两个信息合并为一个函数：

def index_A(Array,i1,i2):
    idx = (np.sum(Array==i1,axis=1)>0) & (np.sum(Array==i2,axis=1)>0)
    loc = np.where(np.isin(Array,[i1,i2]))
    hits = [np.insert(loc[1][loc[0]==i],0,i) for i in np.where(idx)[0]]
    return hits

index_A(stringscombined,"part6","part7")
[array([1, 2, 4]), array([2, 2, 5])]