1 并集——union1d

import numpy as np arr1 = np.array([1, 2, 3, 4]) arr2 = np.array([3, 4, 5, 6])newarr = np.union1d(arr1, arr2) newarr #array([1, 2, 3, 4, 5, 6])

2 交集——intersect1d

import numpy as np arr1 = np.array([1, 2, 3, 4]) arr2 = np.array([3, 4, 5, 6])newarr = np.intersect1d(arr1, arr2, assume_unique=True) newarr #array([3, 4])

2.1 assume_unique

bool, 可选

如果为True，则假定输入数组都是唯一的，

这可以加快计算速度。 默认值为False。

3 差集——setdiff1d

import numpy as np arr1 = np.array([1, 2, 3, 4]) arr2 = np.array([3, 4, 5, 6])newarr = np.setdiff1d(set1, set2, assume_unique=True) newarr #array([1, 2]) #在set1，但不在set2中的元素

4 对称差集——setxor1d

import numpy as np arr1 = np.array([1, 2, 3, 4]) arr2 = np.array([3, 4, 5, 6])newarr = np.setxor1d(set1, set2, assume_unique=True) newarr #array([1, 2, 5, 6]) #在set1中，但不在set2中的；在set2中，但不在set1中的

总结

以上是生活随笔为你收集整理的python库整理：numpy 集合操作的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。