numpy.arrayの共通集合の抽出で注意すること

はじめに

numpyは配列演算を高速に行うことができるpythonのライブラリです。

import numpy as np

通常は上のようにimportし、npと略記してスクリプト内で呼び出します。
np.arrayをうまく使えると、シンプルで速いスクリプトを書けるため、積み重ねていくと良いと思います。

np.intersect1d

今回のメインは、複数の集合の共通部分の抽出です。各集合は、np.array型の一次元の配列で表してあるものとします。

最も単純には、以下のような挙動をします。

array_1 = np.array([1, 2, 3, 4, 5])
array_2 = np.array([1, 3, 5, 7, 9])

In:  np.intersect1d(array_1, array_2)
Out: array([1, 3, 5])

3つ以上の配列を引数にそのまま渡すことはできません。以下のようにfunctools.reduceを活用します。

In:  reduce(np.intersect1d, ([1, 3, 4, 3], [3, 1, 2, 1], [6, 3, 4, 2]))
Out: array([3])

注意が必要なのは、intersect'1d'である点です。2次の配列を渡すと、以下のように一次元配列に勝手に直した後で、共通部分を返します。

array_2d_1 = np.array([[1, 'b'], [3, 'b'], [4, 'a']])
array_2d_2 = np.array([[2, 'b'], [3, 'c'], [4, 'a']])

In:  np.intersect1d(array_2d_1, array_2d_2)
Out: 〇 array(['3', '4', 'a', 'b'], dtype='<U21')
     ×  array([[4,'a']], dtype='<U21')

おまけ

2次以上の配列の共通部分を求める方法としては、
一度各行の要素を一つのセットオブジェクトに変換してnp.intersect1d()を用いる
があります。
こちらを参考にしてください。（https://stackoverflow.com/questions/8317022/get-intersecting-rows-across-two-2d-numpy-arrays）

参考リンク

numpy全般