在numpy（Python）中等效于Matlab'ismember'吗？

[poster]

我正在努力使用ismember为特定的Matlab编码“模式”找到一个Numpy等效项 。

不幸的是，这段代码往往会花费大部分时间在我的Matlab脚本中，所以我想找到一个高效的Numpy等效项。

基本模式包括将子集映射到更大的网格。我有一组存储为并行数组的键值对，我想将这些值插入以相同方式存储的较大的键值对列表中。

具体来说，我有季度GDP数据，可将其映射到每月时间网格，如下所示。

quarters = [200712 200803 200806 200809 200812 200903]; gdp_q = [10.1 10.5 11.1 11.8 10.9 10.3]; months = 200801 : 200812; gdp_m = NaN(size(months)); [tf, loc] = ismember(quarters, months); gdp_m(loc(tf)) = gdp_q(tf); 请注意，并非所有季度都出现在月份列表中，因此tf和loc变量都是必需的。

我在StackOverflow上看到了类似的问题，但是它们只是给出一个纯Python解决方案（ 在此处 ），或者在使用numpy的地方，则不会返回loc参数（ 在这里 ）。

在我的特定应用领域中，这种特定的代码模式往往会一遍又一遍地出现，并且会占用我函数的大部分CPU时间，因此，这里的有效解决方案对我来说确实至关重要。

也欢迎提出评论或重新设计建议。



回答：

如果对月份进行了排序，请使用np.searchsorted 。否则，进行排序，然后使用np.searchsorted ：

import numpy as np quarters = np.array([200712, 200803, 200806, 200809, 200812, 200903]) months = np.arange(200801, 200813) loc = np.searchsorted(months, quarters) np.searchsorted返回插入位置。如果您的数据有可能不在正确的范围内，那么您之后可能需要进行检查：

valid = (quarters = months.min()) loc = loc[valid] 这是一个O（N log N）解决方案。如果就运行时间而言，这仍然是程序中的大问题，则可以使用散列方案在C（++）中执行此一个子例程，该方案应为O（N）（并避免某些常量因素，当然）。



更多&回答...