numpy.in1d

原文：https://docs.scipy.org/doc/numpy/reference/generated/numpy.in1d.html

译者：飞龙 UsyiyiCN

校对：（虚位以待）

numpy.in1d(ar1, ar2, assume_unique=False, invert=False)[source]

测试1-D数组的每个元素是否也存在于第二个数组中。

返回与ar1相同的长度为True的布尔数组，其中ar1的元素在ar2中为真，否则为False。

参数：	ar1：（M，）array_like 输入数组。 ar2：array_like 用于测试ar1的每个值的值。 assume_unique：bool，可选 如果为真，则输入数组都被假定为唯一的，这可以加速计算。默认值为False。 反转：bool，可选 如果为True，则返回的数组中的值被反转（即，其中ar1的元素在ar2中为False，否则为True）。默认值为False。np.in1d(a, b, invert=True) is equivalent to (but is faster than) np.invert(in1d(a, b)). 版本1.8.0中的新功能。
返回：	in1d：（M，）ndarray，bool 值ar1 [in1d]在ar2中。

也可以看看

numpy.lib.arraysetops

具有用于对数组执行设置操作的多个其他功能的模块。

笔记

in1d可以被视为1-D序列中的中的python关键字的元素级函数版本。in1d(a, b) is roughly equivalent to np.array([item in b for item in a]). 但是，如果ar2是一个集合或类似（非序列）容器，则此构思失败：As ar2被转换为数组，在这些情况下asarray(ar2)是一个对象数组，而不是包含值的预期数组。

版本1.4.0中的新功能。

例子

>>> test = np.array([0, 1, 2, 5, 0])
>>> states = [0, 2]
>>> mask = np.in1d(test, states)
>>> mask
array([ True, False,  True, False,  True], dtype=bool)
>>> test[mask]
array([0, 2, 0])
>>> mask = np.in1d(test, states, invert=True)
>>> mask
array([False,  True, False,  True, False], dtype=bool)
>>> test[mask]
array([1, 5])