相关疑难解决方法(0)

I have quite a simple scenario where I'd like to test whether both elements of a two-dimensional array are (separately) members of a larger array - for example:

full_array = np.array(['A','B','C','D','E','F'])
sub_arrays = np.array([['A','C','F'],
                       ['B','C','E']])
np.isin(full_array, sub_arrays)

This gives me a single dimension output:

array([ True,  True,  True, False,  True,  True])

showing whether elements of full_array are present in either of the two sub-arrays. I'd like instead a two-dimensional array showing the same thing for each of the two elements …

我想检查 A 中的元素是否为 B 行。例如：

a=np.array([[0,1],[1,2]]),b=np.array([[1,3],[1,2],[4,3],[2,3]])

我想得到类似的东西[False,True]，因为[0,1]a 中不在 b 中，而[1,2]a 中在 b 中。我试过np.isin，但它只适用于元素方面。

希望这是有道理的，并感激地收到任何帮助。

我有两个排序列表,都是非递减顺序.例如,我有一个带有元素的已排序链表[2,3,4,5,6,7...],另一个带有元素[5,6,7,8,9...].

我需要找到两个列表中的所有常见元素.我知道我可以使用for循环和嵌套循环来迭代所有匹配以找到相同的两个元素.但是,有没有另一种方法可以做到这一点,运行时间少于O(n^2)？

我有一个大型数据帧(5000 x 12039),我想获得与numpy数组匹配的列名.

例如,如果我有桌子

        m1lenhr m1lenmin    m1citywt    m1a12a  cm1age  cm1numb m1b1a   m1b1b   m1b12a  m1b12b  ... kind_attention_scale_10 kind_attention_scale_22 kind_attention_scale_21 kind_attention_scale_15 kind_attention_scale_18 kind_attention_scale_19 kind_attention_scale_25 kind_attention_scale_24 kind_attention_scale_27 kind_attention_scale_23
challengeID                                                                                 
1   0.130765    40.0    202.485367  1.893256    27.0    1.0 2.0 0.0 2.254198    2.289966    ... 0   0   0   0   0   0   0   0   0   0
2   0.000000    40.0    45.608219   1.000000    24.0    1.0 2.0 0.0 2.000000    3.000000    ... 0   0   0   0   0   0   0   0   0   0
3   0.000000    35.0    39.060299   2.000000    23.0    1.0 2.0 0.0 2.254198 …