Julia：数组是不是包含特定的子数组

Posted 2023-02-14

【中文标题】Julia：数组是不是包含特定的子数组

【英文标题】：Julia: does an Array contain a specific sub-arrayJulia：数组是否包含特定的子数组

【发布时间】：2016-07-20 15:37:13

【问题描述】：

在 julia 中，我们可以检查数组是否包含值，如下所示：

> 6 in [4,6,5]
true

但是，当尝试以特定顺序检查子数组时，这会返回 false：

> [4,6] in [4,6,5]
false

验证数组中是否存在特定子数组的正确语法是什么？

【问题讨论】：

问题中的第二个结果与其描述不符。它是4 和第一个结果的元组。

包Iterators.jl还提供了一个有用的函数subsets，可以写成[4,6] in subsets([4,5,6])。

这并没有给出正确的结果，即使给出了正确的结果，它也根本无法扩展（我用 Int64s 用不同长度的向量对所有这些进行了基准测试）

我误解了这个问题，对于那些想检查数组A的每个元素（不考虑A作为一个整体序列）是否包含在另一个数组B，@987654330中的人@ 足以完成这项工作。

【参考方案1】：

请注意，您现在可以用点矢量化 in：

julia> in([4,6,5]).([4, 6])
2-element BitArray1:
 true
 true

并与all 联系以获得您的答案：

julia> all(in([4,6,5]).([4, 6]))
true

【讨论】：

不错。如果你想避免重复项目怎么办？例如 all(in([4,6,5]).([4, 6, 6])) 应该返回 false，而不是 true。

【参考方案2】：

我认为值得一提的是，在 Julia 1.0 中，您有函数 issubset

> issubset([4,6], [4,6,5])
true

您也可以使用\subseteq 乳胶符号非常方便地调用它

> [4,6] ⊆ [4,6,5]
true

这对我来说看起来很优化：

> using Random

> x, y = randperm(10^3)[1:10^2], randperm(10^3);

> @btime issubset(x, y);
16.153 μs (12 allocations: 45.96 KiB)

【讨论】：

哇，太好了，这应该是选定的答案。在 Julia 1.2.0 中仍然有效

请注意，子集不同于subarray。 [6,4] 不是 [4,6,5] 的子数组。

【参考方案3】：

我最近用它来查找整数数组中的子序列。它不如@scott 的subset2(x,y) 好或快...但它返回索引。

function findsequence(arr::ArrayInt64, seq::ArrayInt64)
    indices = Int64[]
    i = 1
    n = length(seq)
    if n == 1
        while true
            occurrence = findnext(arr, seq[1], i)
            if occurrence == 0
                break
            else
                push!(indices, occurrence)
                i = occurrence +1
            end
        end
    else
        while true
            occurrence = Base._searchindex(arr, seq, i)
            if occurrence == 0
                break
            else
                push!(indices, occurrence)
                i = occurrence +1
            end
        end
    end
    return indices
end

julia> @time findsequence(rand(1:9, 1000), [2,3])
    0.000036 seconds (29 allocations: 8.766 KB)
    16-element ArrayInt64,1:
   80
  118
  138
  158
  234
  243
  409
  470
  539
  589
  619
  629
  645
  666
  762
  856

【讨论】：

是的，这非常有用。我也不知道 Base._searchindex，我必须对其进行基准测试！我认为迭代器也很好，以免创建潜在的大向量（可能达到 seq 的长度）。

【参考方案4】：

制作一个性能良好的函数需要一点代码，但这比上面的issubvec版本要快得多：

function subset2(x,y)
    lenx = length(x)
    first = x[1]
    if lenx == 1
        return findnext(y, first, 1) != 0
    end
    leny = length(y)
    lim = length(y) - length(x) + 1
    cur = 1
    while (cur = findnext(y, first, cur)) != 0
        cur > lim && break
        beg = cur
        @inbounds for i = 2:lenx
            y[beg += 1] != x[i] && (beg = 0 ; break)
        end
        beg != 0 && return true
        cur += 1
    end
    false
end

注意：如果该函数实际上返回子数组的开始位置（如果找到），或者如果没有返回 0，这也会更有用，类似于 findfirst/findnext 函数。

时序信息（第二个是使用我的subset2函数）：

  0.005273 seconds (65.70 k allocations: 4.073 MB)
  0.000086 seconds (4 allocations: 160 bytes)

【讨论】：

第一个@time 结果（对于issubvec）看起来可能包含编译——对于这样一个简单的调用来说，它太离群了。您可以重新检查（在计时之前进行编译运行）吗？

不是异常值 - 我当然是在运行之前编译的（没有 @time 宏）。我还测试了各种长度，我展示的一个是使用长度为 64K 的向量进行测试，搜索 4 的序列（向量中的最后 4 个值）。 issubvec 似乎有 O(n) 个分配，其中 n 是 y 的长度。

好的。测试用例很重要。如果您准确添加测试运行代码，我可以看到在这种情况下使用 Julia 0.5 与 0.4 是否重要。

最好作为要点发布，并将链接放在这里？

让我们离开它。确实，subset2 更优化了（如果要推送，还有更多优化），但可能需要另外讨论。

【参考方案5】：

对于第三个条件，即向量 [4,6] 显示为 4,6,5 的子向量，建议使用以下函数：

issubvec(v,big) = 
  any([v == slice(big,i:(i+length(v)-1)) for i=1:(length(big)-length(v)+1)])

对于第二个条件，即对出现在set 向量中的els 向量中的每个元素，给出一个布尔值，建议如下：

function vecin(els,set)
  res = zeros(Bool,size(els))
  res[findin(els,set)]=true
  res
end

使用 OP 中的向量，这些结果：

julia> vecin([4,6],[4,6,5])
2-element ArrayBool,1:
 true
 true

julia> issubvec([4,6],[4,6,5])
true

【讨论】：

issubvec 确实返回了正确的结果，但性能也不是很好，因为它进行了很多分配。使用@time 来查看由于分配过多而导致的性能下降是个好主意。

issubvec 肯定是未优化的，@ScottJones，但它的逻辑非常清晰 - 这是我的意图。您编写的函数更好（并且存在用于搜索子字符串/子向量的更优化算法）。我认为这样的通用子向量函数可能适合 Base（名称与字符串函数相似）。

实际上，我不得不与issubvec 的逻辑相结合，结合数组理解和使用slice 和any 函数。这并不是批评，我喜欢看到 Julia 的数组函数可以完成的强大功能，但来自 C/C++/Java 等。我不得不绞尽脑汁才能理解它。此外，我发现像这样的简短代码通常无法扩展，而我是一个性能专家?