1. 常规数组的并集、交集、差集
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!
2. 概率图的交并差
2.1 概念说明
- 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。
2.2 实现
# 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：
文章出处登录后可见！
已经登录？立即刷新
