で Python を使用しnumpyます。
私はnumpy配列を持っていますmay_a:
may_a = numpy.array([False, True, False, True, True, False, True, False, True, True, False])
私はnumpy配列を持っていますmay_b:
may_b = numpy.array([False,True,True,False])
may_barrayで arrayを見つける必要がありますmay_a。
出力では、出現のインデックスを取得する必要があります。
out_index=[2,7]
誰かが提案してもらえますか、どうすれば入手できout_indexますか?
EDIT次のコードは、畳み込みベースの等価チェックを実行することを許可します。およびにマップTrueされます。また、正常に動作するために必要な を逆にします。1False-1b
def search(a, b) :
return np.where(np.round(fftconvolve(a * 2 - 1, (b * 2 - 1)[::-1],
mode='valid') - len(b)) == 0)[0]
as_stridedさまざまなランダム入力のメソッドと同じ出力が得られることを確認しました。また、両方のアプローチのタイミングを計りましたが、畳み込みは、約 256 アイテムの大きな検索トークンでのみ効果を発揮し始めます。
少しやり過ぎのように思えますが、ブール値データを使用すると、(乱用?) 畳み込みを使用できます。
In [8]: np.where(np.convolve(may_a, may_b.astype(int),
...: mode='valid') == may_b.sum())[0]
Out[8]: array([2, 7])
大規模なデータセットの場合は、次の方法を使用する方が速い場合がありますscipy.signal.fftconvolve。
In [13]: np.where(scipy.signal.fftconvolve(may_a, may_b,
....: mode='valid') == may_b.sum())[0]
Out[13]: array([2, 7])
ただし、出力が浮動小数点になり、丸めによって等価チェックが損なわれる可能性があるため、注意が必要です。
In [14]: scipy.signal.fftconvolve(may_a, may_b, mode='valid')
Out[14]: array([ 1., 1., 2., 1., 1., 1., 1., 2.])
したがって、次のようなものを使用したほうがよい場合があります。
In [15]: np.where(np.round(scipy.signal.fftconvolve(may_a, may_b, mode='valid') -
....: may_b.sum()) == 0)[0]
Out[15]: array([2, 7])
うまく機能しない可能性がありますが、どのdtypeでも機能する、よりクールなアプローチは、次を使用することas_stridedです。
In [2]: from numpy.lib.stride_tricks import as_strided
In [3]: may_a = numpy.array([False, True, False, True, True, False,
...: True, False, True, True, False])
In [4]: may_b = numpy.array([False,True,True,False])
In [5]: a = len(may_a)
In [6]: b = len(may_b)
In [7]: a_view = as_strided(may_a, shape=(a - b + 1, b),
...: strides=(may_a.dtype.itemsize,) * 2)
In [8]: a_view
Out[8]:
array([[False, True, False, True],
[ True, False, True, True],
[False, True, True, False],
[ True, True, False, True],
[ True, False, True, False],
[False, True, False, True],
[ True, False, True, True],
[False, True, True, False]], dtype=bool)
In [9]: numpy.where(numpy.all(a_view == may_b, axis=1))[0]
Out[9]: array([2, 7])
a_viewただし、は のデータのビューですが、 の一時的な配列may_aと比較するとが作成されるため、大きなやでは問題になる可能性があるため、注意が必要です。may_b(a - b + 1) * bab
これは、文字列検索の問題によく似ています。これらの文字列検索アルゴリズムの実装を避けたい場合は、次のようにして、非常に高速な文字列検索に組み込まれた python を悪用できます。
# I've added [True, True, True] at the end.
may_a = numpy.array([False, True, False, True, True, False, True, False, True, True, False, True, True, True])
may_b = numpy.array([False,True,True,False])
may_a_str = may_a.tostring()
may_b_str = may_b.tostring()
idx = may_a_str.find(may_b_str)
out_index = []
while idx >= 0:
out_index.append(idx)
idx = may_a_str.find(may_b_str, idx+1)
これは、ブール配列に対しては正常に機能するはずです。このアプローチを別の配列タイプに使用する場合は、2 つの配列のストライドが一致していることを確認し、out_index をそのストライドで除算する必要があります。
ループの代わりに正規表現モジュールを使用して文字列検索を行うこともできます。
これは、他のブールデータでも機能するはずです。
In [1]: import numpy as np
In [2]: a = np.array([False, True, False, True, True, False, True, False, True, True, False])
In [3]: b = np.array([False,True,True,False])
In [4]: def get_indices(a, b):
...: window = len(b)
...: shape = a.shape[:-1] + (a.shape[-1] - window + 1, window)
...: strides = a.strides + (a.strides[-1],)
...: w = np.lib.stride_tricks.as_strided(a, shape=shape, strides=strides)
...: return np.where(np.all(np.equal(w,b),1) == True)[0]
In [5]: get_indices(a,b)
Out[5]: array([2, 7])
numpy がその機能を提供しているかどうかはわかりません。そうでない場合は、次の解決策があります。
import numpy
def searchListIndexs(array, target):
ret = []
iLimit = len(array)-len(target)+1
jLimit = len(target)
for i in range(iLimit):
for j in range(jLimit):
if array[i+j] != target[j]:
break
else:
ret.append(i)
return ret
may_a = numpy.array([False, True, False, True, True, False, True, False, True, True, False])
may_b = numpy.array([False,True,True,False])
out_index = searchListIndexs(may_a, may_b)
print out_index #If you are using Python 3, then use print(out_index) instead.