Encontrar índices de valores comunes en dos matrices.

Estoy usando Python 2.7. Tengo dos matrices, A y B. Para encontrar los índices de los elementos en A que están presentes en B, puedo hacer

A_inds = np.in1d(A,B) 

También quiero obtener los índices de los elementos en B que están presentes en A, es decir, los índices en B de los mismos elementos superpuestos que encontré utilizando el código anterior.

Actualmente estoy ejecutando la misma línea de nuevo como sigue:

 B_inds = np.in1d(B,A) 

Pero este cálculo extra parece que debería ser innecesario. ¿Existe una manera más computacionalmente eficiente de obtener tanto A_inds como B_inds ?

Estoy abierto a usar los métodos de lista o matriz.

np.unique y np.searchsorted podrían usarse juntos para resolverlo –

 def unq_searchsorted(A,B): # Get unique elements of A and B and the indices based on the uniqueness unqA,idx1 = np.unique(A,return_inverse=True) unqB,idx2 = np.unique(B,return_inverse=True) # Create mask equivalent to np.in1d(A,B) and np.in1d(B,A) for unique elements mask1 = (np.searchsorted(unqB,unqA,'right') - np.searchsorted(unqB,unqA,'left'))==1 mask2 = (np.searchsorted(unqA,unqB,'right') - np.searchsorted(unqA,unqB,'left'))==1 # Map back to all non-unique indices to get equivalent of np.in1d(A,B), # np.in1d(B,A) results for non-unique elements return mask1[idx1],mask2[idx2] 

Pruebas de tiempo de ejecución y verificación de resultados.

 In [233]: def org_app(A,B): ...: return np.in1d(A,B), np.in1d(B,A) ...: In [234]: A = np.random.randint(0,10000,(10000)) ...: B = np.random.randint(0,10000,(10000)) ...: In [235]: np.allclose(org_app(A,B)[0],unq_searchsorted(A,B)[0]) Out[235]: True In [236]: np.allclose(org_app(A,B)[1],unq_searchsorted(A,B)[1]) Out[236]: True In [237]: %timeit org_app(A,B) 100 loops, best of 3: 7.69 ms per loop In [238]: %timeit unq_searchsorted(A,B) 100 loops, best of 3: 5.56 ms per loop 

Si las dos matrices de entrada ya están sorted y son unique , el aumento de rendimiento sería sustancial. Por lo tanto, la función de solución se simplificaría a

 def unq_searchsorted_v1(A,B): out1 = (np.searchsorted(B,A,'right') - np.searchsorted(B,A,'left'))==1 out2 = (np.searchsorted(A,B,'right') - np.searchsorted(A,B,'left'))==1 return out1,out2 

Pruebas de tiempo de ejecución posteriores

 In [275]: A = np.random.randint(0,100000,(20000)) ...: B = np.random.randint(0,100000,(20000)) ...: A = np.unique(A) ...: B = np.unique(B) ...: In [276]: np.allclose(org_app(A,B)[0],unq_searchsorted_v1(A,B)[0]) Out[276]: True In [277]: np.allclose(org_app(A,B)[1],unq_searchsorted_v1(A,B)[1]) Out[277]: True In [278]: %timeit org_app(A,B) 100 loops, best of 3: 8.83 ms per loop In [279]: %timeit unq_searchsorted_v1(A,B) 100 loops, best of 3: 4.94 ms per loop 

Una implementación simple de multiprocesamiento le dará un poco más de velocidad:

 import time import numpy as np from multiprocessing import Process, Queue a = np.random.randint(0, 20, 1000000) b = np.random.randint(0, 20, 1000000) def original(a, b, q): q.put( np.in1d(a, b) ) if __name__ == '__main__': t0 = time.time() q = Queue() q2 = Queue() p = Process(target=original, args=(a, b, q,)) p2 = Process(target=original, args=(b, a, q2)) p.start() p2.start() res = q.get() res2 = q2.get() print time.time() - t0 >>> 0.21398806572 

El unq_searchsorted(A,B) Divakar tomó 0.271834135056 segundos en mi máquina.