如何在两个不同大小的 numpy 列表数组中获取相似列表的布尔矩阵

Question

首先我写了一个to lists的小例子：

F = [[1,2,3],[3,2,7],[4,4,1],[5,6,3],[1,3,7]]          # (1*5)     5 lists
S = [[1,3,7],[6,8,1],[3,2,7]]                          # (1*3)     3 lists

我想为两个 F 和 S 中的相同“列表”获取布尔矩阵：

[False, True, False, False, True]                      #  (1*5)    5 Booleans for 5 lists of F

通过使用 IM = reduce(np.in1d, (F, S)) 它给出 F:

的每个列表中每个数字的结果

[ True  True  True  True  True  True False False  True False  True  True
  True  True  True]       # (1*15)

通过使用 IM = reduce(np.isin, (F, S)) 它也给出了 F 的每个列表中每个数字的结果，但是以另一种形式：

[[ True  True  True]
 [ True  True  True]
 [False False  True]
 [False  True  True]
 [ True  True  True]]           # (5*3)

真正的结果将通过示例列表的代码 IM = [i in S for i in F] 实现，但是当我将此代码用于我的两个主要的更大的 numpy 列表数组时：

https://drive.google.com/file/d/1YUUdqxRu__9-fhE1542xqei-rjB3HOxX/view?usp=sharing

numpy 数组：3036 个列表

https://drive.google.com/file/d/1FrggAa-JoxxoRqRs8NVV_F69DdVdiq_m/view?usp=sharing

numpy 数组：300 个列表

给出了错误的答案。对于主要文件，它必须给出 3036 Boolean，其中 'True' 只是 300 个数字。我不明白为什么这会得到错误的答案？它似乎只适用于 F 的每个列表中的第 3 个字符。最好通过np.in1d和np.isin这两个函数来使用reduce函数，而不是最后一种方法。如何解决以上三种方法？

Answer 1

让我知道这是否有效，

[x for x in map(lambda m: m in S, F)]

Answer 2

问题已通过 'tolist' 将输入转换为列表解决，同时 IM = [i in S for i in F] 和 IM = [x for x in map(lambda m: m在 S, F)] 代码中；然而，这些类型的转换会少量降低精度。如果除了 reduce.

之外，还可以通过 np.logical_and 等 numpy 函数解决问题，那将很有用

如何在两个不同大小的 numpy 列表数组中获取相似列表的布尔矩阵

How to get Boolean matrix for similar lists in two different-size numpy arrays of lists

python

numpy

list

scipy

numpy-ndarray