python numpy中setdiff1d的用法说明

更新时间：2021年04月22日 11:07:48 作者：悲恋花丶无心之人

这篇文章主要介绍了python numpy中setdiff1d的用法说明，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

一、函数解释

setdiff1d(ar1, ar2, assume_unique=False)

1.功能：找到2个数组中集合元素的差异。

2.返回值：在ar1中但不在ar2中的已排序的唯一值。

3.参数：

ar1：array_like 输入数组。

ar2：array_like 输入比较数组。

assume_unique：bool。如果为True，则假定输入数组是唯一的，即可以加快计算速度。默认值为False。

二、具体示例

1.assume_unique = False的情况：

    a = np.array([1,2,3])
    b = np.array([4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2 3]
    a = np.array([1,2,3])
    b = np.array([1,2,3])
    c = np.setdiff1d(a, b)
    print(c)#[]
    a = np.array([1,2,3])
    b = np.array([2,3,4])
    c = np.setdiff1d(a, b)
    print(c)#[1]
    a = np.array([1,2,3,4])
    b = np.array([3,4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2]
    a = np.array([1,2,3,2,4,1])
    b = np.array([3,4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2]
    a = np.array([8,2,3,2,4,1])
    b = np.array([7,4,5,6,3])
    c = np.setdiff1d(a, b)
    print(c)#[1 2 8]

可以从最后看出返回的值从小到大排序，并且唯一。（8在a的第1位，2在a中重复了2次）

2.assume_unique = True的情况：

    a = np.array([3,2,1])
    b = np.array([4,5,6])
    c = np.setdiff1d(a, b,True)
    print(c)#[3 2 1]
    a = np.array([8,2,3,2,4,1])
    b = np.array([7,4,5,6,3])
    c = np.setdiff1d(a, b,True)
    print(c)#[8 2 2 1]
    a = np.array([8,2,3,4,2,4,1])
    b = np.array([7,9,5,6,3])
    c = np.setdiff1d(a, b,True)
    print(c)#[8 2 4 2 4 1]

可以看出把在a中的但是不在b中的元素按a中的顺序排序，并且不合并重复的元素，即假定输入数组也是唯一的，因此相比于False确实提升了运算速度。

三、整体代码

import numpy as np 
def main():
    a = np.array([1,2,3])
    b = np.array([4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2 3]
    a = np.array([1,2,3])
    b = np.array([1,2,3])
    c = np.setdiff1d(a, b)
    print(c)#[]
    a = np.array([1,2,3])
    b = np.array([2,3,4])
    c = np.setdiff1d(a, b)
    print(c)#[1]
    a = np.array([1,2,3,4])
    b = np.array([3,4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2]
    a = np.array([1,2,3,2,4,1])
    b = np.array([3,4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2]
    a = np.array([8,2,3,2,4,1])
    b = np.array([7,4,5,6,3])
    c = np.setdiff1d(a, b)
    print(c)#[1 2 8]
    a = np.array([3,2,1])
    b = np.array([4,5,6])
    c = np.setdiff1d(a, b,True)
    print(c)#[3 2 1]
    a = np.array([8,2,3,2,4,1])
    b = np.array([7,4,5,6,3])
    c = np.setdiff1d(a, b,True)
    print(c)#[8 2 2 1]
    a = np.array([8,2,3,4,2,4,1])
    b = np.array([7,9,5,6,3])
    c = np.setdiff1d(a, b,True)
    print(c)#[8 2 4 2 4 1]
 
if __name__ == '__main__':
    main()

补充：Python编程之numpy库函数in1d的使用

最近利用Python作数值分析时使用到numpy库下的in1d函数。in1d函数与excel中vlookup函数和MATLAB中ismember函数有相似之处。其作用在于在序列B中寻找与序列A相同的值，并返回一逻辑值（True,False）或逻辑值构成的向量。

具体例子见下文

设mask为逻辑值向量，矩阵x的第一列为待查找向量，d为被查询向量(或值)，即查找x中与d中指定元素相同的值，并返回逻辑值向量mask。mask是由一系列True和False值构成，True代表找到相同的值，而False代表没找到相同的值。演示如下：

mask= np.in1d(x.values[:,1],d[1],invert=False) ##x为DataFrame型数据，x.values[:,1]表示取第二列值
x_temp=x[mask]

示取第二列值

x_temp=x[mask]

该例旨在查找 x 的第二列值中与d向量中第二个元素相同的部分，并返回mask逻辑向量；然后x_temp返回x中mask逻辑值为True的行。

mask向量的类型为bool，查看具体值下图所示：

值得注意的地方在于in1d函数中invert参数的设置。当invert=True时，mask中的元素值为True的部分对x.values[:,1]中与当前查找的元素d[i]不同的部分(i为当前查找位置)，相同的部分则为false；当invert=False时，mask中的元素值为True的部分对x.values[:,1]中与当前查找的元素d[i]相同的部分(i为当前查找位置)。

演示见下图：

当mask= np.in1d(x.values[:,1],d[2],invert=True)

当mask= np.in1d(x.values[:,1],d[2],invert=False)时

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。如有错误或未考虑完全的地方，望不吝赐教。

您可能感兴趣的文章:

python实现多人聊天服务器以及客户端
这篇文章主要为大家详细介绍了python实现多人聊天服务器以及客户端，带图形化界面，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2021-07-07
python实现校园网自动登录的示例讲解
下面小编就为大家分享一篇python实现校园网自动登录的示例讲解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2018-04-04
Python实现仿真双径效应的方法
双径模型是一种很好的近似，能够准确地反映信号的传播特性。这篇文章主要介绍了Python实现仿真双径效应的方法，感兴趣的小伙伴们可以参考一下
2021-05-05
用Python定时发送天气邮件
大家好，本篇文章主要讲的是用Python定时发送天气邮件，感兴趣的同学赶快来看一看吧，对你有帮助的话记得收藏一下
2022-02-02
Python动态属性与反射机制方式
深入探索Python中的反射机制和动态属性的细节,对我们来说是编写具有适应性和高可扩展性程序的关键,本篇文章旨在通过详尽的概念介绍和精心设计的代码示例,加强您对这些核心概念的把握,并助您在实践中运用自如
2024-06-06
Python面向对象封装操作案例详解
这篇文章主要介绍了Python面向对象封装操作,结合具体案例形式详细分析了Python面向对象的封装、扩展等操作技巧与相关注意事项,需要的朋友可以参考下
2019-12-12
用Python 执行cmd命令
这篇文章主要介绍了用Python 执行cmd命令的方法，帮助大家更好的理解和使用python，感兴趣的朋友可以了解下
2020-12-12
如何利用python脚本自动部署k8s
这篇文章主要介绍了利用python脚本自动部署k8s的方法,本文通过脚本代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
2021-08-08
关于pyqt5控件自适应窗口超详细知识点汇总
这篇文章主要介绍了关于pyqt5控件自适应窗口超详细知识点汇总，有了布局，再在布局中放置各种控件，我们就能让控件实现自适应的效果,需要的朋友可以参考下
2023-03-03
Python Matplotlib通过plt.subplots创建子绘图
这篇文章主要介绍了Python Matplotlib通过plt.subplots创建子绘图，plt.subplots调用后将会产生一个图表和默认网格，与此同时提供一个合理的控制策略布局子绘图，更多相关需要的朋友可以参考下面文章内容
2022-07-07