- 1. 常规数组的并集、交集、差集
- 2. 概率图的交并差
- 2.1 概念说明
- 2.2 实现
import numpy as np array1=np.array([3,2,-1,100]) array2=np.array([0,-5,100,20]) """并集""" union=np.union1d(array1,array2) print(union) > [ -5 -1 0 2 3 20 100] """交集""" inter=np.intersect1d(array1,array2) print(inter) > [100] """差集""" diff=np.setdiff1d(array1,array2) print(diff) > [-1 2 3] diff=np.setdiff1d(array2,array1) print(diff) > [-5 0 20] """ 差集需要额外注意的一点： 函数原型：numpy.setdiff1d(ar1, ar2, assume_unique=False) 返回结果：return 1D array of values in ar1 that are not in ar2. 返回的是ar1里有，ar2里没有的。因此，ar1和ar2的顺序会导致结果有区别 """
注意，np.union1d函数及后续的np.intersect1d、np.setdiff1d都只支持1d的数组，如果是多维数组，需要先flatten。
例如：
import numpy as np array1=np.array([[3,2],[-1,100]]) array2=np.array([[0,-5],[100,20]]) union=np.union1d(array1.flatten(), array2.flatten()) print(union) > [ -5 -1 0 2 3 20 100]
参考：
- numpy.union1d
- numpy.intersect1d
- numpy.setdiff1d
- 【冰糖Python】numpy 差集、异或集、并集、交集 setdiff1d() setxor1d() union1d() intersect1d()
- How to find intersection between two Numpy arrays?
- NumPy Set Operations – A Detailed Guide!
- 区别于正经统计意义上的事件概率： 极速统计教程之八 | 概率和集合
- 这里的概率图，指的是分割任务中，每个点是前景点的概率。
- 这里的交并差（和）操作：
- 针对对象：使用两种算法分别得到的同一个图的某个分割对象的概率图
- 前提：假设模型训练时候是sigmoid函数，只用分割前景和背景，以0.3作为前景背景概率分割的阈值。
- 交操作：对同一个图，使用两种算法得到的两张分割的概率图；对两个概率图逐元素比较，谁小取谁。
- 并操作：对同一个图，使用两种算法得到的两张分割的概率图；对两个概率图逐元素比较，谁大取谁。
- 和操作：对于ensemble来说，求两个概率图的差没什么意义，所以改成概率图的和/2。
# 和 if op_type=="add": prob_rs=(prob1_array+prob2_array)/2 # 并 elif op_type=="union": prob_rs=np.where(prob1_array > prob2_array, prob1_array, prob2_array) # 交 elif op_type=="inter": prob_rs=np.where(prob1_array < prob2_array, prob1_array, prob2_array)
参考：
- Python的Numpy操作：如何实现逐个元素取最大值，组成新array？
