在一个数组中搜索特定元素并复制另一个数组中的整个对应行

Posted 2023-02-23

【中文标题】在一个数组中搜索特定元素并复制另一个数组中的整个对应行

【英文标题】：Search for a specific element in one array and copy the entire corresponding row in other array

【发布时间】：2016-11-28 00:49:59

【问题描述】：

我有以下问题，到目前为止我还没有找到任何有用的提示。

我有两个如下所示的数组：

sample_nodes = [[ ID_1    x1    y1    z1]
                [ ID_2    x2    y2    z2]
                [ ID_3    x3    y3    z4]
                .
                .
                .
                [ ID_n    xn    yn    zn]]

和

sample_elements = [[[ ID_7    0    0    0]
                    [ ID_21   0    0    0]
                    [ ID_991  0    0    0]
                    [ ID_34   0    0    0]]

                   [[ ID_67   0    0    0]
                    [ ID_1    0    0    0]
                    [ ID_42   0    0    0]
                    [ ID_15   0    0    0]]

                    .
                    .
                    .

                   [[ ID_33   0    0    0]
                    [ ID_42   0    0    0]
                    [ ID_82   0    0    0]
                    [ ID_400  0    0    0]]]

sample_nodes 具有 sample_elements 所需的 x、y 和 z 坐标，其中 ID 以随机顺序排列。因此，我必须查看 sample_elements 数组中每一行的每个 ID，并从 sample_nodes 中找出对应的 x、y 和 z 坐标，并在与 ID 对应的 sample_elements 数组中再次将零值替换回。

我对 python 和 numpy 都很陌生，因此不知道该怎么做。提前感谢大家为解决这个问题提供的任何指示。

此外，sample_elements 中的所有他的 ID 都存在于 sample_nodes 中。仅在 sample_elements 中它们是随机排列的，因为它们是由名为 Gmsh 的网格划分软件生成的。我实际上是在尝试解析它的输出网格文件。

【问题讨论】：

那些IDs是字符串还是数字？

它们是数字。

另外，来自 sample_elements 的所有 ID 是否都存在于 sample_nodes 的 IDs col 中？

没错。 sample_elements 中的所有 ID 都存在于 sample_nodes 中。仅在 sample_elements 中它们是随机排列的，因为它们是由名为 Gmsh 的网格划分软件生成的。我实际上是在尝试解析它的输出网格文件。

【参考方案1】：

您可以使用np.searchsorted 来形成原始的行顺序，然后简单地用它索引到sample_nodes 会给我们想要的输出。因此，我们会有这样的实现 -

sample_nodes[np.searchsorted(sample_nodes[:,0],sample_elements[:,0])]

示例运行 -

In [80]: sample_nodes
Out[80]: 
array([[1, 3, 3, 6],
       [3, 2, 4, 8],
       [4, 2, 3, 4],
       [5, 3, 0, 8],
       [6, 8, 2, 3],
       [7, 4, 6, 3],
       [8, 3, 8, 4]])

In [81]: sample_elements
Out[81]: 
array([[7, 0, 0, 0],
       [5, 0, 0, 0],
       [3, 0, 0, 0],
       [6, 0, 0, 0]])

In [82]: sample_nodes[np.searchsorted(sample_nodes[:,0],sample_elements[:,0])]
Out[82]: 
array([[7, 4, 6, 3],
       [5, 3, 0, 8],
       [3, 2, 4, 8],
       [6, 8, 2, 3]])

---

如果sample_nodes中的IDs没有排序，我们需要使用可选参数sorter和np.searchsorted，像这样-

sidx = sample_nodes[:,0].argsort()
row_idx = np.searchsorted(sample_nodes[:,0],sample_elements[:,0],sorter=sidx)
out = sample_nodes[sidx[row_idx]]

示例运行 -

In [98]: sample_nodes
Out[98]: 
array([[3, 3, 3, 6],
       [5, 2, 4, 8],
       [8, 2, 3, 4],
       [1, 3, 0, 8],
       [4, 8, 2, 3],
       [7, 4, 6, 3],
       [6, 3, 8, 4]])

In [99]: sample_elements
Out[99]: 
array([[7, 0, 0, 0],
       [5, 0, 0, 0],
       [3, 0, 0, 0],
       [6, 0, 0, 0]])

In [100]: out
Out[100]: 
array([[7, 4, 6, 3],
       [5, 2, 4, 8],
       [3, 3, 3, 6],
       [6, 3, 8, 4]])

【讨论】：

在我的情况下完美运行.. 谢谢.. 鞠躬.. :-)

【参考方案2】：

numpy_indexed 包具有解决问题关键步骤的功能（在另一个序列中查找一个序列的索引）。如果您不熟悉 numpy，并且完全关心效率，请务必阅读相关内容！

import numpy as np
import numpy_indexed as npi

sample_nodes = np.asarray(sample_nodes)
sample_elements = np.asarray(sample_elements)

idx = npi.indices(sample_nodes[:, 0], sample_elements[:, 0])

sample_elements[:, 1:] = sample_nodes[idx, 1:]

【讨论】：

这也对我有用。 Divakar 的解决方案无需安装软件包即可工作，因此我赞成他的解决方案。不过，非常感谢您抽出时间来回答。

不客气；性能特征应该与其他解决方案几乎相同，并且在 crtl-c/crtl-v 与 pip install 方面没有争论的味道:)

哈哈哈，这似乎总是一个简单的解决方案，不是吗？问题是，你的提示在我的笔记本电脑上工作，但我无法让它在我研究所的 PC 上工作，我没有管理员权限来安装“numpy_indexed”并且管理员正在休假，现在是学期假期等等。跨度>

啊是的，这很烦人。此线程中的答案可能对将来的此类事情有所帮助：***.com/questions/14179941/…