numpy.isin
numpy.isin(element, test_elements, assume_unique=False, invert=False) [source]
计算test_elements中的元素,仅在element上传递。 返回与元素具有相同形状的布尔数组,如果元素的元素在test_elements中,则返回True,否则返回False。
参数 : | element :array_like 输入数组。 test_elements :array_like 用于测试每个元素值的值。 如果它是array或array_like,则将其展平。 有关非类数组参数的行为,请参见注释。 assume_unique : 如果为True,则假定输入数组都是唯一的, 这可以加快计算速度。 默认值为False。 invert :bool, 可选 如果为True,则返回数组中的值将被反转, 就像计算元素不在test_elements中一样。 默认值为 等效于(但比更快) |
返回值 : | isin :ndarray, 具有与元素相同的形状。 值element [isin]在test_elements中。 |
Notes
isin
是python关键字in的元素明智函数版本。isin(a, b)
大致相当于np.array([item in b for item in
a])
如果a和b是1-D序列。
如果元素和test_elements还没有被转换为数组,那么它们将被转换为数组。如果test_elements是一个集合(或其他非序列集合),那么它将被转换为一个只有一个元素的对象数组,而不是test_elements中包含的值数组。这是数组构造函数处理非序列集合方式的结果。将集合转换为列表通常会得到所需的行为。
新版本1.13.0。
例子
1)基本用法 (测试元素是否存在):
import numpy as np array1 = np.array([1, 2, 3, 4, 5]) array2 = np.array([3, 6]) is_in = np.isin(array1, array2) print(f"元素数组: {array1}") print(f"测试数组: {array2}") print(f"是否存在于测试数组中: {is_in}")
2)element
是多维数组
import numpy as np array3 = np.array([[1, 2], [3, 4]]) array4 = np.array([2, 3]) is_in_multi = np.isin(array3, array4) print(f"元素数组 (多维): \n{array3}") print(f"测试数组: {array4}") print(f"是否存在于测试数组中: \n{is_in_multi}")
3)使用 assume_unique=True
(假设输入元素唯一)
import numpy as np array5 = np.array([1, 2, 3, 4, 5]) array6 = np.array([3, 6]) is_in_unique = np.isin(array5, array6, assume_unique=True) print(f"元素数组: {array5}") print(f"测试数组: {array6}") print(f"是否存在于测试数组中 (假设唯一): {is_in_unique}")
4)使用 invert=True
(测试元素是否不存在)
import numpy as np array7 = np.array([1, 2, 3, 4, 5]) array8 = np.array([3, 6]) is_not_in = np.isin(array7, array8, invert=True) print(f"元素数组: {array7}") print(f"测试数组: {array8}") print(f"是否不存在于测试数组中: {is_not_in}")