Extraire une matrice de dimension n dans une matrice de dimension m avec m > n

Bonjour,

Le titre est assez explicite je pense mais je vais quand même détailler ma question.

Alors j'ai une matrice A de dimension (a, 4) et une matrice B de dimension (b, 4) avec b > a

Je souhaite extraire de ma matrice B ma matrice A qui est incluse dans ma matrice B.

Pour ce faire je doit vérifier que les éléments (des ID) de la première colonne de ma matrice B se trouvent bien dans ma matrice A.

Si possible je souhaite également récupérer une matrice R (matrice dite de reste) contenant les éléments de ma matrice B qui ne sont pas dans ma matrice A.

Je sais comment extraire une matrice dés lors que l'on connait les index, sauf que dans mon cas c'est pas forcément possible puisque ma Matrice A n'est pas nécessairement en un seul bloc dans ma Matrice B.

Pour illustrer mon problème :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

>>> Matrice_A = numpy.array([[[10,1.5,-3.8,8.0],[20,10.2,5.2,6.7],[30,0.5,-6.2,-7.1],[40,-0.7,-0.6,-0.5]]]) >>> Matrice_A array([[[ 10. , 1.5, -3.8, 8. ], [ 20. , 10.2, 5.2, 6.7], [ 30. , 0.5, -6.2, -7.1], [ 40. , -0.7, -0.6, -0.5]]])   >>> Matrice_B = numpy.array([[[10,2.7,4.8,-5.8],[15,-1.4,-6.4,8.1],[20,12.4,-7.1,4.9],[25,-1.5,6.2,-4.8],[30,-6.8,0.47,3.8],[35,5.4,-4.8,10.5],[40,16.2,5.7,-8.3]]]) >>> Matrice_B array([[[ 10. , 2.7 , 4.8 , -5.8 ], [ 15. , -1.4 , -6.4 , 8.1 ], [ 20. , 12.4 , -7.1 , 4.9 ], [ 25. , -1.5 , 6.2 , -4.8 ], [ 30. , -6.8 , 0.47, 3.8 ], [ 35. , 5.4 , -4.8 , 10.5 ], [ 40. , 16.2 , 5.7 , -8.3 ]]])

---

Ce que je souhaite obtenir :

Code:

---

1 2 3 4 5 6 7 8 9 10 11

>>> Matrice_A_extraite_de_B array([[[ 10. , 2.7 , 4.8 , -5.8 ], [ 20. , 12.4 , -7.1 , 4.9 ], [ 30. , -6.8 , 0.47, 3.8 ], [ 40. , 16.2 , 5.7 , -8.3 ]]])   >>> Matrice_R array([[[ 15. , -1.4, -6.4, 8.1], [ 25. , -1.5, 6.2, -4.8], [ 35. , 5.4, -4.8, 10.5]]])

---

J'ai commencé à me lancé sur une solution qui consiste à lire chaque ID de ma Matrice B et de les chercher dans ma Matrice A :

• si l'ID existe alors j'ajoute la ligne correspondante dans une nouvelle matrice que je nomme Matrice_A_extraite_de_B;
• si l'ID n'existe pas alors je rajoute la ligne correspondante une matrice que j'appel Matrice_R.

Sauf que cette solution risque de m'alourdir la tâche car je travail sur des matrices de plusieurs centaines de milliers de lignes.

Du coup je m'oriente vers vous afin de savoir s'il existe une méthode plus efficace que celle sur laquelle je me lance.

Merci d'avance pour votre aide.

Salut,

Citation:

---

Envoyé par nekcorp

Du coup je m'oriente vers vous afin de savoir s'il existe une méthode plus efficace que celle sur laquelle je me lance.

---

Les opérations que vous décrivez sont "ensemblistes": intersection, différence,...
Côté numpy, il faut regarder du côté de ces fonctions et combiner avec argwhere pour récupérer non pas les valeurs mais les index.

- W

Tu as une paire de crochets en trop, ce que tu as sont des tableaux 3D et pas des matrices (2D).

Mais sinon, tu extrais la première colonne de Matrice_A et de Matrice_B, tu utilises in1d pour obtenir un tableau de booléens, que tu utilises ensuite pour indexer Matrice_B et obtenir Matrice_A_extraite_de_B. En inversant les booléens du tableau, tu obtiens Matrice_R.

Citation:

---

Envoyé par wiztricks

Salut,



Les opérations que vous décrivez sont "ensemblistes": intersection, différence,...
Côté numpy, il faut regarder du côté de ces fonctions et combiner avec argwhere pour récupérer non pas les valeurs mais les index.

- W

---

Merci, effectivement je m'en suis sortie avec in1d et également squeeze pour passer mes matrices 3D en 2D.

Citation:

---

Envoyé par dividee

Tu as une paire de crochets en trop, ce que tu as sont des tableaux 3D et pas des matrices (2D).

Mais sinon, tu extrais la première colonne de Matrice_A et de Matrice_B, tu utilises in1d pour obtenir un tableau de booléens, que tu utilises ensuite pour indexer Matrice_B et obtenir Matrice_A_extraite_de_B. En inversant les booléens du tableau, tu obtiens Matrice_R.

---

Merci pour tes indications. Effectivement j'avais un soucis avec mes matrices, du coup j'ai utilisé squeeze pour les passer en 2D.

Voici comment j'ai procédé.

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

>>> Matrix_A = np.squeeze(Matrix_A) >>> Matrix_B = np.squeeze(Matrix_B) >>> Matrix_B[np.in1d(Matrix_B[:, 0],Matrix_A[:, 0])] array([[ 10. , 2.7 , 4.8 , -5.8 ], [ 20. , 12.4 , -7.1 , 4.9 ], [ 30. , -6.8 , 0.47, 3.8 ], [ 40. , 16.2 , 5.7 , -8.3 ]]) >>> Matrix_B[np.logical_not(np.in1d(Matrix_B[:, 0],Matrix_A[:, 0]))] array([[ 15. , -1.4, -6.4, 8.1], [ 25. , -1.5, 6.2, -4.8], [ 35. , 5.4, -4.8, 10.5]])

---

Encore merci pour votre aide.