Numpy 沿列查找数组模式的最佳方法

假设我有一个数组

a = np.array([[1,2.5,3,4],[1, 2.5, 3,3]])

我想在不使用stats.mode（）的情况下查找每列的模式

我能想到的唯一办法是：

result = np.zeros(a.shape[1])
for i in range(len(result)):
    curr_col = a[:,i]
    result[i] = curr_col[np.argmax(np.unique(curr_col, return_counts = True))]

更新： 上述代码中存在一些错误，正确的代码应为：

   values, counts = np.unique(a[:,i], return_counts = True)
   result[i] = values[np.argmax(counts)]

我必须使用循环，因为np.unique不会为每个列输出兼容的结果，并且无法使用

np.bincount

，因为数据类型不是int。

如果查看，此函数将返回值和相关计数（因为您指定了

return\u counts=True

）。要得到正确的结果，需要对代码稍加修改。您要做的是查找与最高计数关联的值：

import numpy as np
a = np.array([[1,5,3,4],[1,5,3,3],[1,5,3,3]])
result = np.zeros(a.shape[1])
for i in range(len(result)):
  values, counts = np.unique(a[:,i], return_counts = True)
  result[i] = values[np.argmax(counts)]
print(result)

输出：

% python3 script.py
[1. 5. 3. 4.]

% python3 script.py
Timer 1:  0.002721071243286133 s
Timer 2:  0.003339052200317383 s
Matrices are equal!

以下是将您的解决方案与函数进行比较的代码：

import numpy as np
import scipy.stats as sps
import time

a = np.random.randint(1,100,(100,100))

t_start = time.time()
result = np.zeros(a.shape[1])
for i in range(len(result)):
  values, counts = np.unique(a[:,i], return_counts = True)
  result[i] = values[np.argmax(counts)]
print('Timer 1: ', (time.time()-t_start), 's')

t_start = time.time()
result_2 = sps.mode(a, axis=0).mode
print('Timer 2: ', (time.time()-t_start), 's')

print('Matrices are equal!' if np.allclose(result, result_2) else 'Matrices differ!')

输出：

% python3 script.py
[1. 5. 3. 4.]

% python3 script.py
Timer 1:  0.002721071243286133 s
Timer 2:  0.003339052200317383 s
Matrices are equal!

---

我尝试了几个参数值，您的代码实际上比scipy.stats.mode函数快，所以它可能接近最优。

如果您尝试使用

a=np.array（[[1,5,3,4]，[1,5,3,3]，[1,5,3,3]）

您将得到

结果=[1.5.3.4]

，这是不正确的。最后一列模式是3。感谢您指出这一点，现在应该是正确的。谢谢！！！这是一个非常彻底的回答。在判断代码是否可以优化时，你知道什么是好的经验法则吗？我是numpy的新手，所以每次我写一段代码时，我都开始担心它是否有效，但我就是没有好的方法来判断。不客气。我认为这是一个非常困难的问题。通常，根据应用程序的不同，您应该在计算时间可以接受时立即停止优化，因为优化通常意味着代码的复杂化。然而，您有一个良好的心态，因为您应该始终担心代码的效率。如果回到上面的代码，优化主要在于np.unique函数，该函数可能使用一些树结构来执行未排序数组的计数。例如，如果您的数组已排序，则可能会运行得更快。您可以开始实现一个有效的代码。通常可以将问题分解为已知的子问题，就像您在这里使用np.unique时所做的那样。您可能总是关注复杂性而不是计算时间：这里np.unique对于未排序的数组有一个O（N log（N）），对于排序的数组有一个O（N），对于排序后的数组更容易计算计数。如果您正在处理大量数据（如果

a

是一个大小为1000000000的矩阵），那么下一步可能是在多个CPU或GPU上进行并行化，但这将使代码复杂化很多。