NumPy - 差集

NumPy 中的差集

在 NumPy 中，差集运算用于查找在一个数组中存在但不在另一个数组中的元素。它通常用于比较两个数组，并识别一个数组中唯一且不在另一个数组中存在的元素。

在 NumPy 中，setdiff1d() 函数用于执行此运算。

什么是集合差集?

"集合差集"运算是指查找在一个集合中存在但不在另一个集合中的元素。在 NumPy 中，此操作适用于数组，并返回第一个数组中在第二个数组中不存在的元素。

此概念与数学集合论密切相关，两个集合 A - B 的差集包含集合 A 中的元素，但不包含集合 B 中的元素。

例如，给定两个数组 -

array1 = [1, 2, 3, 4, 5]
array2 = [3, 4, 5, 6, 7]

集合差集将返回 array1 中但不在 array2 中的元素，即 [1, 2]。

语法

以下是NumPy 中的 setdiff1d() 函数 -

numpy.setdiff1d(ar1, ar2)

其中，

• ar1:第一个输入数组。它是我们要从中减去元素的数组。
• ar2:第二个输入数组。它包含将从第一个数组中删除的元素。

结果是一个排序后的数组，其中包含 ar1 中存在但不在 ar2 中的唯一值。

示例

在下面的示例中，我们使用 NumPy 中的 setdiff1d() 函数计算两个数组之间的差异 -

import numpy as np

# 定义两个数组
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([3, 4, 5, 6, 7])

# 计算两个数组之间的差异
difference = np.setdiff1d(array1, array2)

print("数组1 和数组2 之间的差异:"，difference)

以下是得到的输出 -

数组1 和数组2 之间的差异:[1 2]

处理包含重复元素的数组

如果输入数组包含重复元素，numpy.setdiff1d() 函数将在执行差异运算之前删除重复元素。这确保结果仅包含唯一值。

示例

这里，我们在计算差值之前删除了 array1 中的重复项，最终输出仅包含唯一元素 -

import numpy as np

# 定义包含重复元素的数组
array1 = np.array([1, 2, 2, 3, 4])
array2 = np.array([3, 4, 4, 5, 6])

# 计算数组之间的差值
difference = np.setdiff1d(array1, array2)

print("删除重复项后的差值:", Difference)

结果如下 -

差值已删除重复项:[1 2]

处理不同数据类型的数组

NumPys 的 setdiff1d() 函数可以处理不同数据类型的数组，包括整数、浮点数和字符串。

但是，该函数会在执行差值运算之前自动将数据类型转换为通用类型。

示例

让我们看一个计算整数数组和浮点数组之差的示例 -

import numpy as np

# 定义不同数据类型的数组
array1 = np.array([1, 2, 3, 4.5])
array2 = np.array([4.5, 5, 6])

# 计算数组之间的差值
difference = np.setdiff1d(array1, array2)

print("不同数据类型的差异:", Difference)

执行上述代码后，我们得到以下输出 -

不同数据类型的差异:[1. 2. 3.]

多个数组的差值计算

在 NumPy 中，你只能使用 setdiff1d() 函数来同时计算两个数组的差值。

如果你想计算多个数组的差值，你可以结合使用 setdiff1d() 函数和循环，或者使用 functools 模块中的 reduce() 函数。

示例

以下示例演示了如何计算多个数组的差值 -

import numpy as np
from functools import reduce

# 定义多个数组
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([3, 4, 5, 6, 7])
array3 = np.array([5, 6, 7, 8])

# 计算所有数组的差值
difference = reduce(lambda x, y: np.setdiff1d(x, y), [array1, array2, array3])

print("多个数组的差值:", Difference)

输出结果如下 -

多个数组的差值:[1 2]

性能考虑

numpy.setdiff1d() 函数效率很高，但在处理大型数组时，性能可能是一个需要考虑的问题。

如果你的数组只包含唯一的元素，可以使用 assume_unique 参数来加快计算速度。

示例

通过将 assume_unique 参数设置为 True，NumPy 会在处理已包含唯一元素的数组时优化操作，从而提高性能，如下例所示 -

import numpy as np

# 定义包含唯一元素的数组
array1 = np.array([1, 2, 3, 4, 5])
array2 = np.array([3, 4, 5, 6, 7])

# 假设元素唯一，求差值
difference = np.setdiff1d(array1, array2, assume_unique=True)

print("包含唯一元素的差值:", Difference)

结果如下 −

包含唯一元素的差值:[1 2]