1 python数据分析numpy基础之setdiff1d求两个数组的差集

python的numpy库的setdiff1d(x,y)函数，表示数组x与y的差，即在x且不在y中的元素，且进行去重排序。

用法

numpy.setdiff1d(ar1, ar2, assume_unique=False)

描述

numpy.setdiff1d(ar1,ar2)，求两个数组ar1和ar2的差，返回在ar1且不在ar2中的元素，并且去重排序，最终返回的是ar1的元素。

入参

ar1,ar2：必选，列表、元组、数组；如果是多维则自动转一维数组；

assume_unique：如果ar1和ar2的元素唯一不重复，则设置为True，可以加快计算速度；

如果设置为True，则结果不进行去重和排序。

1.1 入参ar1和ar2

numpy.setdiff1d(ar1,ar2)的入参ar1和ar2，为必选入参，可以为数组、列表、元组。如果是多维数组，将会转换为一维数组后，进行处理。

若元素在ar1且不在ar2中，则返回此元素。

>>> import numpy as np
# setdiff1d(ar1,ar2)
# 返回在ar1且不在ar2的元素，并且进行去重排序
# ar1,ar2为列表
>>> np.setdiff1d([9,8,6,5,2,5,6],[1,3,9])
array([2, 5, 6, 8])
# ar1,ar2为元组
>>> np.setdiff1d((9,8,6,5,2,5,6),(1,3,9))
array([2, 5, 6, 8])
# ar1,ar2为数组
>>> np.setdiff1d(np.array((9,8,6,5,2,5,6)),np.array((1,3,9)))
array([2, 5, 6, 8])
# ar1,ar2多维自动转1维，再进行处理
>>> np.setdiff1d([[9,8,6,5],[2,5,6,1]],[[1,3],[9,3]])
array([2, 5, 6, 8])

1.2 入参assume_unique

numpy. in1d()的入参assume_unique，为可选入参，布尔类型，默认为False。如果ar1数组的元素是唯一不重复的，则可以设置为True，可以加快计算速度。如果ar1数组有重复元素，并且assume_unique为True，则结果不进行去重和排序。

>>> import numpy as np
# 如果ar1的元素唯一不重复，则可以设置assume_unique=True，加快计算速度
# 如果assume_unique=True，且ar1的元素有重复，则不去重和排序
>>> np.setdiff1d([9,8,6,5,2,5,6],[1,3,9],assume_unique=True)
array([8, 6, 5, 2, 5, 6])
>>> np.setdiff1d([9,8,6,5,2,5,6],[1,3,9],assume_unique=False)
array([2, 5, 6, 8])