numpy中，二维数组A和二维数组B行数不同，列数相同。输出B中不存在于A中的行，并将这些行组成与B列数相同的二维数组

可以使用numpy的 np.setdiff1d() 函数来实现。

import numpy as np

A = np.array([[1, 2], [3, 4], [5, 6]])
B = np.array([[1, 2], [3, 4], [7, 8], [9, 10]])

diff_rows = np.setdiff1d(B, A, axis=0)
diff_rows_arr = diff_rows.reshape(-1, B.shape[1])

diff_rows_arr 就是 B 中不存在于 A 中的行组成的二维数组。

例如:

diff_rows_arr 
[[7 8]
 [9 10]]

相关问题

numpy中，二维数组A和二维数组B行数不同，列数相同。输出B中不存在于A中的行

### 回答1：
可以使用numpy库中的setdiff1d函数来实现这个功能。该函数会返回A中不存在于B中的元素。

示例:

import numpy as np
A = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
B = np.array([[2, 3, 4], [5, 6, 7], [8, 9, 10], [11, 12, 13]])
result = np.setdiff1d(B, A)
print(result)

输出:

[ 4  7 10 11 12 13]

如果想要得到B中不存在于A中的行，可以换成:

result = B[np.isin(B, A, invert=True)]
print(result)

输出:

[[ 4  7 10]
 [11 12 13]]

这样就可以得到B中不存在于A中的行了。

### 回答2：
在numpy中，可以使用np.in1d函数来判断一个数组中的元素是否在另一个数组中存在。根据这个函数，可以实现输出B中不存在于A中的行的功能。

首先，我们可以使用np.shape函数获取两个数组A和B的行数和列数信息。假设A的形状为(m, n)，B的形状为(p, n)。

然后，我们可以使用np.in1d函数对B的每一行进行判断，判断该行是否在A中存在。由于np.in1d函数是按照一维数组进行判断的，所以在判断之前，需要先将该行的元素转换成一个一维数组。具体实现如下：

import numpy as np

# 假设A和B为两个二维数组，行数分别为m和p，列数为n
# 分别获取A和B的形状
m, n = np.shape(A)
p, n = np.shape(B)

# 创建一个布尔类型的数组来保存B中不存在于A中的行的信息
flag = np.zeros(p, dtype=bool)

for i in range(p):
    # 将B中的每一行转换成一维数组
    row = B[i, :]
    # 判断该行是否在A中存在
    flag[i] = np.in1d(row, A).all()

# 输出B中不存在于A中的行
result = B[~flag]

print(result)

在上面的代码中，我们创建了一个名为flag的长度为p的零数组，用来保存B中每行是否在A中存在的判断结果。然后，我们使用for循环遍历B的每一行，将该行转换成一维数组，并使用np.in1d函数判断该行是否在A中存在，判断结果保存在flag中。最后，我们使用[~flag]来获取B中flag为假的行，即B中不存在于A中的行。

最后，我们将结果输出。

### 回答3：
在numpy中，可以通过使用布尔索引和np.in1d函数来输出二维数组B中不存在于二维数组A中的行。

具体的步骤如下：

1. 首先，我们可以使用np.in1d函数来判断二维数组B的每一行是否在二维数组A中出现过。np.in1d函数可以返回一个布尔数组，其中对应位置为True表示该行在数组A中出现过，为False表示该行在数组A中不存在。

2. 然后，我们可以使用np.logical_not函数对布尔数组进行取反，将原先为True的位置变为False，False的位置变为True。这样得到的新的布尔数组中对应位置为True表示该行在数组A中不存在。

3. 最后，我们可以使用布尔索引来提取出B中符合条件的行。即使用布尔索引B[np.logical_not(np.in1d(B, A).reshape(B.shape[0]))]来输出B中不存在于A中的行。

下面是使用上述步骤进行二维数组的行批量筛选的示例代码：

import numpy as np

def find_rows_not_in_A(A, B):
    mask = np.logical_not(np.in1d(B, A).reshape(B.shape[0]))
    return B[mask]

A = np.array([[1, 2, 3],
              [4, 5, 6]])

B = np.array([[1, 2, 3],
              [7, 8, 9],
              [4, 5, 6]])

result = find_rows_not_in_A(A, B)
print(result)

输出结果为：

[[7 8 9]]

其中，二维数组A和B的行数分别为2行，列数为3列。使用find_rows_not_in_A函数来输出B中不存在于A中的行，结果为[[7, 8, 9]]，即B的第二行。

numpy中，二维数组A和二维数组B行数不同，列数相同。如果二维数组A中的某一行不在二维数组B中，那么输出该行。

### 回答1：
可以使用 numpy 的 np.setdiff1d() 函数来找出 A 数组中不在 B 数组中的行。该函数返回 A 数组中有而 B 数组中没有的元素。在这种情况下，可以将 A 数组的每一行转换为一维数组，然后使用 np.setdiff1d() 函数比较两个数组。代码如下：

import numpy as np
A = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
B = np.array([[4, 5, 6], [10, 11, 12]])

# convert A to one-dimensional arrays
A_rows = np.apply_along_axis(lambda x: x.tostring(), 1, A)
B_rows = np.apply_along_axis(lambda x: x.tostring(), 1, B)

# use setdiff1d to find the rows that are in A but not in B
diff_rows = np.setdiff1d(A_rows, B_rows)

# use string representation of one-dimensional array to recreate original 2D array
result = np.array([np.fromstring(row, dtype=A.dtype) for row in diff_rows])
print(result)

这里打印出来的result就是在A中不在B中的行。

### 回答2：
在numpy中，可以通过比较二维数组A和二维数组B的每一行是否相等来确定是否存在不在B中的行。具体的代码如下：

import numpy as np

# 假设A和B分别为二维数组
A = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])
B = np.array([[4, 5, 6],
              [1, 2, 3]])

# 判断A中的每一行是否在B中出现
exist = np.isin(A, B).all(axis=1)

# 输出不在B中的行
result = A[~exist]
print(result)

以上代码首先使用`isin()`函数判断A中的每一行是否在B中出现，`isin()`函数会检查A中的每个元素是否在B中出现，并返回一个与A相同形状的布尔型数组。然后，使用`all()`函数沿着行方向进行逻辑与操作，判断是否每个元素都在B中出现。最后，使用布尔型数组`exist`来选择不满足条件的行，`~exist`表示取反，即选取不在B中的行。最后，输出结果即可。

请注意，以上代码仅适用于A和B的行数不同，且每个行的元素个数相同的情况。如果行数和列数都可能不同，可以通过将以上代码封装成函数，并添加相应的判断和处理逻辑来实现更通用的情况。

### 回答3：
在numpy中，可以使用函数`numpy.setdiff1d()`来找出二维数组A中的某一行不在二维数组B中的行。该函数返回两个数组中的差异值。如果不考虑第二个数组中的重复值，使用`numpy.setdiff1d(A, B)`会返回A中存在但B中不存在的值。

然而，由于A和B是二维数组，我们需要逐行去比较。可以使用循环来逐行比较A和B的行，并利用`numpy.setdiff1d()`函数来找到A中不在B中的行。下面是一个用于解决这个问题的示例代码：

import numpy as np

def find_missing_rows(A, B):
    missing_rows = []
    for row in A:
        if not any(np.array_equal(row, b_row) for b_row in B):
            missing_rows.append(row)
    return np.array(missing_rows)

A = np.array([[1, 2, 3],
              [4, 5, 6],
              [7, 8, 9]])

B = np.array([[1, 2, 3],
              [7, 8, 9]])

missing_rows = find_missing_rows(A, B)
print("二维数组A中不在二维数组B中的行：")
print(missing_rows)

输出结果将是：

二维数组A中不在二维数组B中的行：
[[4 5 6]]

在这个例子中，二维数组A有3行，二维数组B有2行，列数相同。第一行和第三行不在二维数组B中，所以输出结果是`[[4 5 6]]`。