Jak działa __contains__ dla ndarrays?

Question

>>> x = numpy.array([[1, 2], 
...     [3, 4], 
...     [5, 6]]) 
>>> [1, 7] in x 
True 
>>> [1, 2] in x 
True 
>>> [1, 6] in x 
True 
>>> [2, 6] in x 
True 
>>> [3, 6] in x 
True 
>>> [2, 3] in x 
False 
>>> [2, 1] in x 
False 
>>> [1, 2, 3] in x 
False 
>>> [1, 3, 5] in x 
False 

Nie mam pojęcia, jak działa __contains__ dla ndarrays. Nie mogłem znaleźć odpowiedniej dokumentacji, gdy jej szukałem. Jak to działa? I czy jest to udokumentowane w dowolnym miejscu?

Answer 1

Znalazłem źródło dla ndarray.__contains__, w numpy/core/src/multiarray/sequence.c. W komentarzu w krajach źródłowych,

thing in x 

jest równoważna

(x == thing).any() 

dla ndarray x, niezależnie od wymiarów x i thing. Ma to sens tylko wtedy, gdy thing jest skalarem; wyniki transmisji, gdy thing nie jest skalarem, powodują dziwne wyniki, które zaobserwowałem, a także dziwności, takie jak array([1, 2, 3]) in array(1), których nie sądziłem, aby spróbować. Dokładne źródło to:

static int 
array_contains(PyArrayObject *self, PyObject *el) 
{ 
    /* equivalent to (self == el).any() */ 

    PyObject *res; 
    int ret; 

    res = PyArray_EnsureAnyArray(PyObject_RichCompare((PyObject *)self, 
                 el, Py_EQ)); 
    if (res == NULL) { 
     return -1; 
    } 
    ret = array_any_nonzero((PyArrayObject *)res); 
    Py_DECREF(res); 
    return ret; 
} 

Answer 2

Wydaje się robi numpy „s __contains__ coś takiego dla przypadku 2-D:

def __contains__(self, item): 
    for row in self: 
     if any(item_value == row_value for item_value, row_value in zip(item, row)): 
      return True 
    return False 

[1,7] prace bo th element pierwszego rzędu 0 odpowiada th element [1,7]0. To samo z [1,2] itp. Z numerem [2,6], 6 pasuje do 6 w ostatnim rzędzie. W przypadku [2,3] żaden z elementów nie pasuje do wiersza o tym samym indeksie. [1, 2, 3] jest trywialne, ponieważ kształty nie pasują.

Więcej informacji pod numerem this, a także this ticket.