NumPy - 数组并集

NumPy 中的数组并集

NumPy 中的数组并集是指将多个数组合并为一个数组，同时删除重复元素。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() 函数实现这一点。

NumPy 中的数组并集类似于集合论中的联合运算，即将多个集合中所有唯一元素合并为一个集合。

使用 union1d() 函数

NumPy 中的 np.union1d() 函数用于计算两个数组的并集。此函数返回一个已排序的数组，其中包含在任一输入数组中都存在的唯一值。语法如下:

numpy.union1d(arr1, arr2)

其中:

• arr1 - 表示第一个输入数组。该数组可以是任意形状或数据类型，但为了简单起见，通常使用一维数组。
• arr2 - 表示第二个输入数组。它的数据类型应与"arr1"相同。

示例

以下示例中，我们使用 union1d() 函数求两个数组"arr1"和"arr2"的并集 -

import numpy as np

# 定义两个数组
arr1 = np.array([1, 2, 3, 4])
arr2 = np.array([3, 4, 5, 6])

# 计算两个数组的并集
union_result = np.union1d(arr1, arr2)
print("两个数组的并集:", union_result)

以下是得到的结果 -

两个数组的并集:[1 2 3 4 5 6]

多个数组的并集

要计算两个以上数组的并集，可以多次使用 union1d() 函数。这需要将该函数迭代地应用于数组对，直到所有数组都包含在并集中。

或者，您可以将 np.concatenate() 等函数与 np.unique() 结合使用。语法如下:-

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() 函数迭代地求 3 个数组的并集 -

import numpy as np

# 定义多个一维数组
arr1 = np.array([1, 2, 3])
arr2 = np.array([2, 3, 4])
arr3 = np.array([4, 5, 6])

# 计算三个数组的并集
# 前两个数组的并集
union_temp = np.union1d(arr1, arr2)
# 与第三个数组并集
union_result = np.union1d(union_temp, arr3)

print("多个数组的并集(顺序):", union_result)

这将产生以下结果 -

多个数组的并集(顺序):[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成一个数组。然后，我们使用 unique() 函数从这个连接数组中提取唯一元素 -

import numpy as np

# 定义多个一维数组
arr1 = np.array([1, 2, 3])
arr2 = np.array([2, 3, 4])
arr3 = np.array([4, 5, 6])

# 将所有数组连接成一个
concatenated_array = np.concatenate((arr1, arr2, arr3))

# 查找唯一元素
union_result = np.unique(concatenated_array)

print("多个数组的并集(连接并唯一):", union_result)

以下是上述代码的输出 -

多个数组的并集(连接并唯一):[1 2 3 4 5 6]

处理多维数组数组

我们也可以将并集运算应用于多维数组。要对多维数组执行并集运算，需要先将数组展平。

展平会将多维数组转换为一维数组，这样您就可以像对一维数组一样执行并集运算。执行并集运算后，可以根据需要将结果重新调整回原始维度。

在 NumPy 中，多维数组是指具有多个维度的数组。它们通常被称为"ndarray"，用于表示复杂的数据结构，例如矩阵或高维张量。

管理这些数组需要理解它们的结构、执行操作以及高效地处理数据。

示例

在此示例中，我们首先定义两个二维数组"arr1"和"arr2"。然后，我们使用 flatten() 函数将它们展平为一维数组，并计算它们的并集 -

import numpy as np

# 定义二维数组
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[3, 4], [5, 6]])

# 展平数组并计算并集
flattened_arr1 = arr1.flatten()
flattened_arr2 = arr2.flatten()
union_result = np.union1d(flattened_arr1, flattened_arr2)

print("二维数组的并集:", union_result)

得到的输出如下所示 -

二维数组的并集:[1 2 3 4 5 6]

复杂数据类型的并集

NumPy 中复杂数据类型的并集运算涉及处理包含结构化或面向对象数据的数组。与简单的数值数组不同，复杂数据类型可以包含整数、浮点数、字符串，甚至其他数组等字段。

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

示例

在下面的示例中，我们首先创建两个结构化数组，然后使用 union1d() 函数将它们合并，删除重复项并保留唯一项 -

import numpy as np

# 定义结构化数组
arr1 = np.array([(1, 'a'), (2, 'b')], dtype=[('num', 'i4'), ('letter', 'S1')])
arr2 = np.array([(2, 'b'), (3, 'c')], dtype=[('num', 'i4'), ('letter', 'S1')])

# 计算结构化数组的并集
union_result = np.union1d(arr1, arr2)
print("结构化数组的并集:", union_result)

执行上述代码后，我们得到以下输出 -

结构化数组的并集:[(1, b'a') (2, b'b') (3, b'c')]