NumPy - 数组的并集

上一个
下一个

NumPy 中的数组并集

NumPy 中的数组并集是指将多个数组合并成一个数组，同时去除重复元素。这确保每个元素在数组中只出现一次。在 NumPy 中，我们可以使用union1d()函数来实现这一点。

NumPy 中的数组并集类似于集合论中的并集运算，其中来自多个集合的所有唯一元素都被组合成一个集合。

使用 union1d() 函数

NumPy 中的 np.union1d() 函数用于计算两个数组的并集。此函数返回一个排序后的唯一值数组，这些值存在于任一输入数组中。以下是语法 -

numpy.union1d(arr1, arr2)

其中，

  • arr1 -它是第一个输入数组。此数组可以是任何形状或数据类型，但通常为简单起见为 1D 数组。
  • arr2 -它是第二个输入数组。它应该与“arr1”具有相同的数据类型。

示例

在以下示例中，我们使用 union1d() 函数查找 2 个数组“arr1”和“arr2”的并集 -

import numpy as np

# Define two arrays
arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([3, 4, 5, 6])

# Compute the union of the two arrays
union_result = np.union1d(arr1, arr2)
print("Union of two arrays:", union_result)

获得以下输出 -

Union of two arrays: [1 2 3 4 5 6]

多个数组的并集

要查找两个以上数组的并集，您可以多次使用 union1d() 函数。这涉及迭代地将函数应用于数组对，直到所有数组都包含在并集中。

或者，您可以使用 np.concatenate() 和 np.unique() 等函数。以下是语法 -

numpy.concatenate((array1, array2, ...))
numpy.unique(array)

示例：顺序并集

在下面的示例中，我们使用 union1d() 函数迭代地查找 3 个数组的并集 -

import numpy as np

# Define multiple 1D arrays
arr1 = np.array([1, 2, 3])
arr2 = np.array([2, 3, 4])
arr3 = np.array([4, 5, 6])

# Compute the union of three arrays
# Union of first two arrays
union_temp = np.union1d(arr1, arr2)  
# Union with the third array
union_result = np.union1d(union_temp, arr3) 

print("Union of multiple arrays (sequential):", union_result)

这将产生以下结果 -

Union of multiple arrays (sequential): [1 2 3 4 5 6]

示例：使用 np.concatenate() 和 np.unique() 函数

在此示例中，我们首先将所有数组连接到一个数组中。然后，我们使用 unique() 函数从该连接数组中提取唯一元素 -

import numpy as np

# Define multiple 1D arrays
arr1 = np.array([1, 2, 3])
arr2 = np.array([2, 3, 4])
arr3 = np.array([4, 5, 6])

# Concatenate all arrays into one
concatenated_array = np.concatenate((arr1, arr2, arr3))

# Find unique elements
union_result = np.unique(concatenated_array)

print("Union of multiple arrays (concatenate and unique):", union_result)

以上代码的输出如下 -

Union of multiple arrays (concatenate and unique): [1 2 3 4 5 6]

处理多维数组

我们还可以对多维数组应用并集运算。要对多维数组执行并集运算，您需要先展平数组。

展平将多维数组转换为 1D 数组，允许您执行并集运算，就像数组是一维的一样。在执行并集运算后，如果需要，您可以将结果重新整形回原始维度。

在 NumPy 中，多维数组是具有多个维度的数组。它们通常被称为“ndarrays”，用于表示复杂的数据结构，如矩阵或更高维度的张量。

管理这些数组涉及理解它们的结构、执行操作以及有效地操作数据。

示例

在此示例中，我们首先定义两个 2D 数组“arr1”和“arr2”。然后，我们使用 flatten() 函数将其展平为 1d 数组，然后计算它们的并集 -

import numpy as np

# Define 2D arrays
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[3, 4], [5, 6]])

# Flatten the arrays and compute the union
flattened_arr1 = arr1.flatten()
flattened_arr2 = arr2.flatten()
union_result = np.union1d(flattened_arr1, flattened_arr2)

print("Union of 2D arrays:", union_result)

获得的输出如下所示 -

Union of 2D arrays: [1 2 3 4 5 6]

具有复杂数据类型的并集

NumPy 中具有复杂数据类型的并集运算涉及处理具有结构化或面向对象数据的数组。与简单的数字数组不同，复杂的数据类型可以包含诸如整数、浮点数、字符串，甚至其他数组之类的字段。

np.union1d() 函数可以处理任何数据类型的数组，只要它们是可以比较的。

示例

在以下示例中，我们首先创建 2 个结构化数组，然后使用 union1d() 函数将它们组合起来，删除重复项并保留唯一条目 -

import numpy as np

# Define structured arrays
arr1 = np.array([(1, 'a'), (2, 'b')], dtype=[('num', 'i4'), ('letter', 'S1')])
arr2 = np.array([(2, 'b'), (3, 'c')], dtype=[('num', 'i4'), ('letter', 'S1')])

# Compute the union of structured arrays
union_result = np.union1d(arr1, arr2)
print("Union of structured arrays:", union_result)

执行上述代码后，我们得到以下输出 -

Union of structured arrays: [(1, b'a') (2, b'b') (3, b'c')]
打印页面
上一个
下一个
广告