Python 计算整数y在numpy数组中紧跟在整数x之后出现的频率_Python_Numpy_Count_Frequency

Python 计算整数y在numpy数组中紧跟在整数x之后出现的频率

python numpy

Python 计算整数y在numpy数组中紧跟在整数x之后出现的频率,python,numpy,count,frequency,Python,Numpy,Count,Frequency,我有一个非常大的numpy.array，其中每个整数都在[0,31]范围内我想对[0,31]范围内的每一对整数（a，b）（例如[0,1]，[7,9]，[18,0]）计数b在a之后发生的频率这将给我一个计数矩阵（32,32）我正在寻找一种有效的方法来使用numpy。原始python循环太慢。您可以将numpy内置的diff例程与布尔数组一起使用 import numpy as np test_array = np.array([1, 2, 3, 1, 2, 4, 5, 1, 2,

我有一个非常大的

numpy.array

，其中每个整数都在

[0,31]

范围内

我想对

[0,31]

范围内的每一对整数

（a，b）

（例如

[0,1]，[7,9]，[18,0]

）计数

在

之后发生的频率

这将给我一个计数矩阵

（32,32）

我正在寻找一种有效的方法来使用numpy。原始python循环太慢。

您可以将numpy内置的

diff

例程与布尔数组一起使用

import numpy as np    

test_array = np.array([1, 2, 3, 1, 2, 4, 5, 1, 2, 6, 7])
a, b = (1, 2)

sum(np.bitwise_and(test_array[:-1] == a, np.diff(test_array) == b - a))
# 3

如果您的数组是多维数组，则需要先将其展平或对上面的代码进行一些小的修改。

您可以将numpy内置的

diff

例程与布尔数组一起使用

import numpy as np    

test_array = np.array([1, 2, 3, 1, 2, 4, 5, 1, 2, 6, 7])
a, b = (1, 2)

sum(np.bitwise_and(test_array[:-1] == a, np.diff(test_array) == b - a))
# 3

如果您的数组是多维的，则需要先将其展平或对上面的代码进行一些小的修改。

这里有一种方法

为了使示例更易于阅读，我将使用最大值9而不是31：

In [178]: maxval = 9

对示例进行随机输入：

In [179]: np.random.seed(123)

In [180]: x = np.random.randint(0, maxval+1, size=100)

创建结果，最初全部为0：

In [181]: counts = np.zeros((maxval+1, maxval+1), dtype=int)

现在为每个坐标对添加1，使用以确保正确计算重复项：

In [182]: np.add.at(counts, (x[:-1], x[1:]), 1)

In [183]: counts
Out[183]: 
array([[2, 1, 1, 0, 1, 0, 1, 1, 1, 1],
       [2, 1, 1, 3, 0, 2, 1, 1, 1, 1],
       [0, 2, 1, 1, 4, 0, 2, 0, 0, 0],
       [1, 1, 1, 3, 3, 3, 0, 0, 1, 2],
       [1, 1, 0, 1, 1, 0, 2, 2, 2, 0],
       [1, 0, 0, 0, 0, 0, 1, 1, 0, 2],
       [0, 4, 2, 3, 1, 0, 2, 1, 0, 1],
       [0, 1, 1, 1, 0, 0, 2, 0, 0, 3],
       [1, 2, 0, 1, 0, 0, 1, 0, 0, 0],
       [2, 0, 2, 2, 0, 0, 2, 2, 0, 0]])

例如，6后面跟着1的次数是

In [188]: counts[6, 1]
Out[188]: 4

我们可以使用以下表达式验证：

In [189]: ((x[:-1] == 6) & (x[1:] == 1)).sum()
Out[189]: 4

这里有一个方法