手册
目录
收藏320
分享
阅读2498
更新时间2025-08-12
数学中的集合是独特元素的集合。
集合用于涉及频繁的交集、并集和差集运算的运算。
我们可以使用 NumPy 的 unique() 方法来从任何数组中找到唯一的元素。例如，创建一个集合数组，但请记住，集合数组应该只是一维数组。
将以下包含重复元素的数组转换为集合：
import numpy as np arr = np.array([1, 1, 1, 2, 3, 4, 5, 5, 6, 7]) x = np.unique(arr) print(x)
要找到两个数组的唯一值，请使用 union1d() 方法。
求以下两个集合数组的并集：
import numpy as np arr1 = np.array([1, 2, 3, 4]) arr2 = np.array([3, 4, 5, 6]) newarr = np.union1d(arr1, arr2) print(newarr)
要仅查找两个数组中都存在的值，请使用 intersect1d() 方法。
求以下两个集合数组的交集：
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) print(newarr)
注意：intersect1d() 方法采用一个可选参数 assume_unique，如果设置为 True，则可以加速计算。处理集合时，应始终将其设置为 True。
要仅找到第一个集合中不存在于第二个集合中的值，请使用 setdiff1d() 方法。
求 set1 与 set2 的差集：
import numpy as np set1 = np.array([1, 2, 3, 4]) set2 = np.array([3, 4, 5, 6]) newarr = np.setdiff1d(set1, set2, assume_unique=True) print(newarr)
注意：setdiff1d() 方法采用可选参数 assume_unique，如果将其设置为 True，则可以加快计算。处理集合时应始终将其设置为 True。
要仅查找两个集合中都不存在的值，请使用 setxor1d() 方法。
求 set1 和 set2 的对称差集：
import numpy as np set1 = np.array([1, 2, 3, 4]) set2 = np.array([3, 4, 5, 6]) newarr = np.setxor1d(set1, set2, assume_unique=True) print(newarr)
注意：setxor1d() 方法采用可选参数 assume_unique，如果将其设置为 True，可以加快计算。处理集合时应始终将其设置为 True。
相关
视频
RELATED VIDEOS
科技资讯
1
2
3
4
5
6
7
8
9
精选课程
共5课时
17.2万人学习
共49课时
77万人学习
共29课时
61.7万人学习
共25课时
39.3万人学习
共43课时
70.9万人学习
共25课时
61.6万人学习
共22课时
23万人学习
共28课时
33.9万人学习
共89课时
125万人学习
