我有两个大的二维数组，我想找到它们的集合差异，将它们的行作为元素。在Matlab中，这个代码就是 setdiff(A,B,'rows')。数组足够大，我想到的明显的循环方法需要花费太长时间。
我有两个大的二维数组，我想找到它们的集合差异，将它们的行作为元素。在Matlab中，这个代码就是 setdiff(A,B,'rows')。数组足够大，我想到的明显的循环方法需要花费太长时间。
这个 应该 工作，但由于正在创建的视图的mergesort不可用，因此目前在1.6.1中已中断。它适用于1.7.0之前的版本。这应该是最快的方法，因为视图不必复制任何内存：
>>> import numpy as np
>>> a1 = np.array([[1,2,3],[4,5,6],[7,8,9]])
>>> a2 = np.array([[4,5,6],[7,8,9],[1,1,1]])
>>> a1_rows = a1.view([('', a1.dtype)] * a1.shape[1])
>>> a2_rows = a2.view([('', a2.dtype)] * a2.shape[1])
>>> np.setdiff1d(a1_rows, a2_rows).view(a1.dtype).reshape(-1, a1.shape[1])
array([[1, 2, 3]])
你可以用Python做到这一点，但它可能很慢：
>>> import numpy as np
>>> a1 = np.array([[1,2,3],[4,5,6],[7,8,9]])
>>> a2 = np.array([[4,5,6],[7,8,9],[1,1,1]])
>>> a1_rows = set(map(tuple, a1))
>>> a2_rows = set(map(tuple, a2))
>>> a1_rows.difference(a2_rows)
set([(1, 2, 3)])
这是一个很好的替代纯numpy解决方案，适用于1.6.1。它确实创建了一个中间数组，因此这对您来说可能是也可能不是问题。它也不依赖于排序数组的任何加速（如 setdiff 可能吗）。
from numpy import *
# Create some sample arrays
A =random.randint(0,5,(10,3))
B =random.randint(0,5,(10,3))
举个例子，这就是我得到的 - 请注意，有一个共同的元素：
>>> A
array([[1, 0, 3],
[0, 4, 2],
[0, 3, 4],
[4, 4, 2],
[2, 0, 2],
[4, 0, 0],
[3, 2, 2],
[4, 2, 3],
[0, 2, 1],
[2, 0, 2]])
>>> B
array([[4, 1, 3],
[4, 3, 0],
[0, 3, 3],
[3, 0, 3],
[3, 4, 0],
[3, 2, 3],
[3, 1, 2],
[4, 1, 2],
[0, 4, 2],
[0, 0, 3]])
我们寻找行之间的（L1）距离为零。这给了我们一个矩阵，在它为零的点上，这些是两个列表共有的项：
idx = where(abs((A[:,newaxis,:] - B)).sum(axis=2)==0)
作为检查：
>>> A[idx[0]]
array([[0, 4, 2]])
>>> B[idx[1]]
array([[0, 4, 2]])
我不确定你的目的是什么，但这会得到一个布尔数组，其中2个数组不相等，并且将快速numpy：
import numpy as np
a = np.random.randn(5, 5)
b = np.random.randn(5, 5)
a[0,0] = 10.0
b[0,0] = 10.0
a[1,1] = 5.0
b[1,1] = 5.0
c = ~(a-b==0)
print c[[False True True True True] [真假真真真] [真如真真实] [真如真真实] [True True True True]]