Python中的np.setdiff1d()函數(shù)詳解

更新時間：2024年06月18日 15:17:04 作者：對許

Python中的np.setdiff1d()函數(shù)可用于找出兩個序列集合中元素的差異,下面通過示例代碼給大家詳細講解,感興趣的朋友跟隨小編一起看看吧

Python中的np.setdiff1d()函數(shù)可用于找出兩個序列集合中元素的差異

API及參數(shù)如下：

np.setdiff1d(ar1,ar2,assume_unique)：找出序列1在序列2中的差異，并返回序列1中不在序列2中的元素

ar1：輸入數(shù)組
ar2：輸入比較數(shù)組
assume_unique：是否假設(shè)唯一，默認為False，輸出去重且元素從小到大排序，如果為True，則不會去重，輸出順序保持原來的順序

以下是一個使用示例：

import numpy as np
a = np.array([3, 2, 2, 1])
b = np.array([5, 4, 3, 3])
# a = [3, 2, 2, 1]
# b = [5, 4, 3, 3]
c = np.setdiff1d(a, b)
print(c)    # [1 2]
c = np.setdiff1d(a, b, assume_unique=True)
print(c)    # [2 2 1]

補充：python numpy中setdiff1d的用法

一、函數(shù)解釋

setdiff1d(ar1, ar2, assume_unique=False)

1.功能：找到2個數(shù)組中集合元素的差異。

2.返回值：在ar1中但不在ar2中的已排序的唯一值。

3.參數(shù)：

ar1：array_like 輸入數(shù)組。
ar2：array_like 輸入比較數(shù)組。
assume_unique：bool。如果為True，則假定輸入數(shù)組是唯一的，即可以加快計算速度。默認值為False。

二、具體示例

1.assume_unique = False的情況：

    a = np.array([1,2,3])
    b = np.array([4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2 3]

    a = np.array([1,2,3])
    b = np.array([1,2,3])
    c = np.setdiff1d(a, b)
    print(c)#[]

    a = np.array([1,2,3])
    b = np.array([2,3,4])
    c = np.setdiff1d(a, b)
    print(c)#[1]

    a = np.array([1,2,3,4])
    b = np.array([3,4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2]

    a = np.array([1,2,3,2,4,1])
    b = np.array([3,4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2]

    a = np.array([8,2,3,2,4,1])
    b = np.array([7,4,5,6,3])
    c = np.setdiff1d(a, b)
    print(c)#[1 2 8]

可以從最后看出返回的值從小到大排序，并且唯一。（8在a的第1位，2在a中重復(fù)了2次）

2.assume_unique = True的情況： ???????

    a = np.array([3,2,1])
    b = np.array([4,5,6])
    c = np.setdiff1d(a, b,True)
    print(c)#[3 2 1]

    a = np.array([8,2,3,2,4,1])
    b = np.array([7,4,5,6,3])
    c = np.setdiff1d(a, b,True)
    print(c)#[8 2 2 1]

    a = np.array([8,2,3,4,2,4,1])
    b = np.array([7,9,5,6,3])
    c = np.setdiff1d(a, b,True)
    print(c)#[8 2 4 2 4 1]

可以看出把在a中的但是不在b中的元素按a中的順序排序，并且不合并重復(fù)的元素，即假定輸入數(shù)組也是唯一的，因此相比于False確實提升了運算速度。

三、整體代碼

import numpy as np
def main():
    a = np.array([1,2,3])
    b = np.array([4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2 3]
    a = np.array([1,2,3])
    b = np.array([1,2,3])
    c = np.setdiff1d(a, b)
    print(c)#[]
    a = np.array([1,2,3])
    b = np.array([2,3,4])
    c = np.setdiff1d(a, b)
    print(c)#[1]
    a = np.array([1,2,3,4])
    b = np.array([3,4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2]
    a = np.array([1,2,3,2,4,1])
    b = np.array([3,4,5,6])
    c = np.setdiff1d(a, b)
    print(c)#[1 2]
    a = np.array([8,2,3,2,4,1])
    b = np.array([7,4,5,6,3])
    c = np.setdiff1d(a, b)
    print(c)#[1 2 8]
    a = np.array([3,2,1])
    b = np.array([4,5,6])
    c = np.setdiff1d(a, b,True)
    print(c)#[3 2 1]
    a = np.array([8,2,3,2,4,1])
    b = np.array([7,4,5,6,3])
    c = np.setdiff1d(a, b,True)
    print(c)#[8 2 2 1]
    a = np.array([8,2,3,4,2,4,1])
    b = np.array([7,9,5,6,3])
    c = np.setdiff1d(a, b,True)
    print(c)#[8 2 4 2 4 1]
if __name__ == '__main__':
    main()