细说Python里最接近人类思维的in操作

发表于:2021-5-08 09:13

字体: | 上一篇 | 下一篇 | 我要投稿

 作者:天元浪子    来源:Python作业辅导员

  在Python语言中,in是一个使用频率非常高的操作符,用于判断对象是否位于字符串、元组、列表、集合或字典中。in操作和人的思维方式高度吻合,写起来近乎于自然语言,充分体现了Python的哲学理念。
  >>> 'or' in 'hello world' 
  True 
  >>> 5 in {1,2,3,4} 
  False 
  >>> 'age' in {'name':'Mike', 'age':18} 
  True 
  有趣的是,除了R、javascript、SQL外,包括C/C++在内的主流语言几乎都不支持in操作。这或许可以解释为什么Python语言被认为是最容易学习的编程语言。
  习惯了使用Python的in操作符,有时就会自然而然地应用到NumPy数组操作上。比如,下面的写法看起来没有任何问题。
  >>> import numpy as np 
  >>> a = np.arange(9) 
  >>> a 
  array([0, 1, 2, 3, 4, 5, 6, 7, 8]) 
  >>> 5 in a 
  True 
  >>> 10 in a 
  False 
  不过,当我尝试在np.where()函数中使用in操作符的时候,出现了意外。
  >>> np.where(a>5) 
  (array([6, 7, 8], dtype=int64),) 
  >>> np.where(a%2==0) 
  (array([0, 2, 4, 6, 8], dtype=int64),) 
  >>> np.where(a in [2,3,5,7]) 
  Traceback (most recent call last): 
    File "<pyshell#111>", line 1, in <module> 
      np.where(a in [2,3,5,7]) 
  ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all() 
  使用a>5或者a%2==0作为条件,np.where()函数没有问题,但是,使用a in [2,3,5,7],np.where()就会抛出异常。即便写成下面这样,也不能得到期望的结果。
  >>> np.where(a in np.array([2,3,5,7])) 
  (array([], dtype=int64),) 
  难道NumPy不支持两个数组之间的in操作吗?不,强大到宇宙无敌的NumPy,怎么会不支持数组之间的in操作呢?NumPy不但支持,而且支持得很好。
  >>> p = np.array([2,3,5,7]) # 质数数组 
  >>> np.in1d(a, p) # 返回a的每一个元素是否是质数的布尔数组 
  array([False, False,  True,  True, False,  True, False,  True, False]) 
  >>> np.where(np.in1d(a, p)) # 返回数组a中质数的索引序号 
  (array([2, 3, 5, 7], dtype=int64),) 
  >>> np.where(np.in1d(a, p), -1, a) # 返回数组a中的质数全部替换为-1的结果 
  array([ 0,  1, -1, -1,  4, -1,  6, -1,  8]) 
  np.in1d()的参数如果是多维数组,将被自动扁平化,且返回的布尔数组也是扁平化的一维数组。
  >>> np.in1d(a.reshape((3,3)), p) 
  array([False, False,  True,  True, False,  True, False,  True, False]) 
  如果np.in1d()的参数是多维的,且期望返回和原数组结构相同的布尔数组,则应使用np.isin()函数。
  >>> np.isin(a.reshape((3,3)), p) 
  array([[False, False,  True], 
         [ True, False,  True], 
         [False,  True, False]]) 
  >>> np.where(np.isin(a.reshape((3,3)), p)) 
  (array([0, 1, 1, 2], dtype=int64), array([2, 0, 2, 1], dtype=int64))
  若是期望得到两个数组的交集而不是交集元素的索引,下面两种方式都可行。
  >>> a[np.where(np.isin(a, p))] 
  array([2, 3, 5, 7]) 
  >>> np.intersect1d(a, p) 
  array([2, 3, 5, 7])
  第二种方式直接使用np.intersect1d()函数得到两个数组的交集,且自动排序。不过,我更喜欢第一种方式。

      本文内容不用于商业目的,如涉及知识产权问题,请权利人联系51Testing小编(021-64471599-8017),我们将立即处理
《2023软件测试行业现状调查报告》独家发布~

关注51Testing

联系我们

快捷面板 站点地图 联系我们 广告服务 关于我们 站长统计 发展历程

法律顾问:上海兰迪律师事务所 项棋律师
版权所有 上海博为峰软件技术股份有限公司 Copyright©51testing.com 2003-2024
投诉及意见反馈:webmaster@51testing.com; 业务联系:service@51testing.com 021-64471599-8017

沪ICP备05003035号

沪公网安备 31010102002173号