最大化两个 numpy 数组之间的成对匹配的排序

Question

假设我们有两个一维 numpy 数组 v1 和 v2。数组的长度相等。在这种情况下，数组的数据类型是“

我想编写函数 get_maximum_match_order ：

• 将 v1 和 v2 作为输入。

• 返回一个索引数组，然后可用于重新排序v2。重新排序的 v2 应该与 v1 具有最大的成对匹配。

示例案例：

案例 1

这里的数组已经完全匹配，因此顺序将是中性的。应用订单后，v2 将保持不变。

v1 = np.array(['A', 'B', 'C'])

v2 = np.array(['A', 'B', 'C'])

order = get_maximum_match_order(v1, v2)

订单 -> np.array([0, 1, 2])

v2[order] -> np.array(['A', 'B', 'C']

情况 2

在这种情况下，两个数组中都不存在所有项目。在将订单应用于 v2 后，项目 'A' 和 'B' 将匹配

v1 = np.array(['A', 'C', 'B'])

v2 = np.array(['B', 'A', 'E'])

order = get_maximum_match_order(v1, v2)

order -> np.array([1, 2, 0])

v2[order] -> np.array([ '一个'， 'E', 'B'])

情况 3

v1 = np.array(['A', 'B', 'C'])

v2 = np.array(['C', 'B', 'A'])

order = get_maximum_match_order(v1, v2)

order -> np.array([2, 1, 0])

v2[order] -> np. array(['A', 'B', 'C'])

情况 4

这里的数组没有任何公共项，因此排序将是中性的

v1 = np.array(['A', 'B', 'C'])

v2 = np.array(['D', 'E', 'F'])

order = get_maximum_match_order(v1, v2)

。 ([0, 1, 2])

v2[order] -> np.array(['D', 'E', 'F'])

案例 5

v1 = np.array(['A', 'B', 'C'])

v2 = np.array(['A', 'C', 'B'])

order = get_maximum_match_order(v1, v2)

order -> np.array([0, 2, 1])

v2[order] -> np.array(['A', 'B', 'C'])

案例 6

v1 = np.array(['A', 'G', 'B'])

v2 = np.array(['B', 'F', 'A'])

order = get_maximum_match_order(v1, v2)

订单-> np.array([2, 1, 0])

v2[order] -> np.array(['A', 'F', 'B']) >

案例7

v1 = np.array(['A', 'G', 'B', 'C', 'E'])

v2 = np.array(['B', 'F', 'A', 'E', 'C'])

order = get_maximum_match_order(v1, v2)

np.array([2, 1, 0, 4, 3])

v2[order] -> np.array(['A', 'F', 'B', 'C', 'E'])

我尝试过使用 numpy 的 intersect1d 进行实验，但未能完美地解决这个问题。

Answer 1

只需找到对并对齐它们，然后分发休息元素（索引）您喜欢的任何方式即可。

from contextlib import suppress
import numpy as np

def index(vs, v):
    with suppress(IndexError):
        return np.where(vs == v)[0][0]

def get_maximum_match_order(v1, v2):
    ixs = [index(v1, v) for v in v2]
    it = iter(set(range(len(v1))) - set(ixs))
    return np.array([next(it) if ix is None else ix for ix in ixs])

if __name__ == "__main__":
    v1 = np.array(['A', 'G', 'B', 'C', 'E'])
    v2 = np.array(['B', 'F', 'A', 'E', 'C'])
    print(get_maximum_match_order(v1, v2))