np.intersect1d , np.setdiff1d ,np.argwhere, np.argsort 的使用

引言

本文将介绍几个python中常用的numpy函数：np.intersect1d ，np.setdiff1d, np.argwhere, np.argsort。首先给出numpy 的官网链接，方便大家查阅参考相关函数。
https://numpy.org/doc/stable/reference/

1. np.intersect1d

函数功能：求两个数组的交集。
函数原型：numpy.intersect1d(ar1, ar2, assume_unique=False, return_indices=False)
函数返回值：在ar1且在ar2中的排序的唯一值，一维数组。

>>>import numpy as np
>>>np.intersect1d([1, 3, 4, 3], [3, 1, 2, 1])		# array([1, 3])
>>>np.intersect1d([1, 2, 4, 9], [2, 4, 6, 8])		# array([2, 4])
>>>np.intersect1d([0, 1, 2, 3], [5, 6, 7, 8])		# array([], dtype=int32)

使用 numpy.in1d(ar1, ar2, assume_unique=False, invert=False) 也可以求取数组的交集，
下面的例子计算出了 states 在 test 中的元素，即 states 和 test 的交集。

>>> 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])

如果想对两个以上数组求交集，可以使用 functools.reduce 函数：

>>>from functools import reduce
>>>reduce(np.intersect1d, ([1, 3, 4, 3], [3, 1, 2, 1], [6, 3, 4, 2]))
# array([3])

2. numpy.setdiff1d

函数功能：求两个数组的差集。
函数原型：numpy.setdiff1d(ar1, ar2, assume_unique=False)
函数返回值：返回在ar1中不在ar2中的唯一值，一维数组。
如果 assume_unique=False，则对返回值去重，从小到大进行排序。
如果 assume_unique=True，则假定输入数组无重复的值，不对结果进行排序。

>>> a = np.array([1, 2, 3, 2, 4, 1])
>>> b = np.array([3, 4, 5, 6])
>>> c = np.array([1, 2, 3, 4])
>>> d = [0, 9, 7, 8]
>>> np.setdiff1d(a, b)		# array([1, 2])
>>> np.setdiff1d(a, c)		# array([], dtype=int32)
>>> np.setdiff1d(b, d)		# array([3, 4, 5, 6])

3. numpy.argwhere

函数功能：查找按元素分组的非零数组元素的索引。
函数原型：numpy.argwhere(a)
函数返回值：非零元素的索引。索引数组的形状为（N，a.ndim），其中N是非零项的数目。

例1：

>>> x = np.arange(6).reshape(2,3)
>>> x
# array([[0, 1, 2],
#       [3, 4, 5]])
>>> np.argwhere(x>1)
# array([[0, 2],
#       [1, 0],
#       [1, 1],
#       [1, 2]], dtype=int64)
# 满足 x>1 的项数为4，数组维数为2， 因此函数返回数组shape 为(4, 2)
>>> np.argwhere(x>3)
# array([[1, 1],
#       [1, 2]], dtype=int64)
>>> np.argwhere(x>=0)
# array([[0, 0],
#       [0, 1],
#       [0, 2],
#       [1, 0],
#       [1, 1],
#       [1, 2]], dtype=int64)

例2：

>>> y = np.arange(8).reshape(2,2,2)
>>> y
# array([[[0, 1],
#        [2, 3]],
#
#       [[4, 5],
#        [6, 7]]])
>>> np.argwhere(y>6)
# array([[1, 1, 1]], dtype=int64)
>>> np.argwhere(y>4)
# array([[1, 0, 1],
#       [1, 1, 0],
#       [1, 1, 1]], dtype=int64)
>>> np.argwhere(y>10)
# array([], shape=(0, 3), dtype=int64)

4. numpy.argsort

函数功能：返回对数组进行排序的索引.
函数原型：numpy.argsort(a, axis=-1, kind=None, order=None)
函数返回值：沿指定轴排序的索引数组。
例1：当 a 为一维数组时

>>> x = np.array([3, 1, 2])
>>> np.argsort(x)
# 默认按照升序排列
# array([1, 2, 0])

例2：当 a 为二维数组时

>>> x = np.array([[0, 3], [2, 2]])
>>> x
# array([[0, 3],
#       [2, 2]])
>>> ind = np.argsort(x, axis=0)  # 沿第一个轴排序 (down)
>>> ind
# array([[0, 1],
#       [1, 0]])
>>> ind = np.argsort(x, axis=1)  # 沿第二个轴排序 (across)
>>> ind
# array([[0, 1],
#       [0, 1]])

axis 也被称作 维度（dim）, 数组 x 是一个两行两列的数组。我们可以将二维数组 x 的第一个轴理解为行，第二个轴理解为列。因此沿第一个轴排序，即为按行排序（自上而下）。沿第二个轴排序，即为按列排序（自左至右）。