Python numpy矩阵计数不同

假设有一个numpy包含以下数据结构：

import numpy as np


a = np.array([['2','W','A'],
             ['3', 'R', 'A'],
             ['4', 'W', 'R'],
             ['2', 'E', 'R'],
             ['4', 'E', 'Y'],
             ['3', 'E', 'Y']])

需要在第三列中汇总唯一实例的外观数并返回numpy，以便返回以下结果： 例如，A的值在第三列中出现两次，因此结果将是“A”“2”

类似地，对第二列和第三列中的唯一值求和，并在以下结构中返回numpy： 例如，第二列中的E值与第三列中的Y值一起出现两次，因此结果将为“E”Y“2”。

设置代码

import pandas as pd
import numpy as np

a = np.array(
   [['2', 'W', 'A'],
   ['3', 'R', 'A'],
   ['4', 'W', 'R'],
   ['2', 'E', 'R'],
   ['4', 'E', 'Y'],
   ['3', 'E', 'Y']],    
)

Pandas非常适合这种情况，并在后端利用numpy。例如，可以获得第二列、第三列计数，如下所示：

df = pd.DataFrame(a)    
cols = [1,2]
df[cols].value_counts().astype("str").reset_index().values

结果:

array([['E', 'Y', '2'],
       ['W', 'R', '1'],
       ['W', 'A', '1'],
       ['R', 'A', '1'],
       ['E', 'R', '1']], dtype=object)

设置代码

import pandas as pd
import numpy as np

a = np.array(
   [['2', 'W', 'A'],
   ['3', 'R', 'A'],
   ['4', 'W', 'R'],
   ['2', 'E', 'R'],
   ['4', 'E', 'Y'],
   ['3', 'E', 'Y']],    
)

Pandas非常适合这种情况，并在后端利用numpy。例如，可以获得第二列、第三列计数，如下所示：

df = pd.DataFrame(a)    
cols = [1,2]
df[cols].value_counts().astype("str").reset_index().values

结果:

array([['E', 'Y', '2'],
       ['W', 'R', '1'],
       ['W', 'A', '1'],
       ['R', 'A', '1'],
       ['E', 'R', '1']], dtype=object)

---

对于第一种情况，可以使用np.unique，并指定axis=0以将行制成表格：

def tabulate_array(x,columns):
    idx,counts = np.unique(x[:,columns],return_counts=True,axis=0)
    return [list(idx[i]) + list(str(counts[i])) for i in range(len(counts))]

连接计数和列表的最后一部分可能会进一步细化，但现在它将为您提供字符串输出，例如：

tabulate_array(a,[2])
[['A', '2'], ['R', '2'], ['Y', '2']]

tabulate_array(a,[1,2])
[['E', 'R', '1'],
 ['E', 'Y', '2'],
 ['R', 'A', '1'],
 ['W', 'A', '1'],
 ['W', 'R', '1']]

---

对于第一种情况，可以使用np.unique，并指定axis=0以将行制成表格：

def tabulate_array(x,columns):
    idx,counts = np.unique(x[:,columns],return_counts=True,axis=0)
    return [list(idx[i]) + list(str(counts[i])) for i in range(len(counts))]

连接计数和列表的最后一部分可能会进一步细化，但现在它将为您提供字符串输出，例如：

tabulate_array(a,[2])
[['A', '2'], ['R', '2'], ['Y', '2']]

tabulate_array(a,[1,2])
[['E', 'R', '1'],
 ['E', 'Y', '2'],
 ['R', 'A', '1'],
 ['W', 'A', '1'],
 ['W', 'R', '1']]

使用numpy，然后重新格式化

import numpy as np


a = np.array([['2','W','A'],
             ['3', 'R', 'A'],
             ['4', 'W', 'R'],
             ['2', 'E', 'R'],
             ['4', 'E', 'Y'],
             ['3', 'E', 'Y']])

unique, counts = np.unique(a[:, 2], return_counts=True)
result = np.vstack([unique, counts]).T
print(result)

关于第二个问题： 如果您想要避免for循环或列表理解，并且坚持使用纯numpy，并且愿意放弃输出的精确格式，您可以这样做

ind_col = np.core.defchararray.add(a[:, 1], a[:, 2])
unique, counts = np.unique(ind_col, return_counts=True)
result1 = np.vstack([unique, counts]).T

print(result1)

使用numpy，然后重新格式化

import numpy as np


a = np.array([['2','W','A'],
             ['3', 'R', 'A'],
             ['4', 'W', 'R'],
             ['2', 'E', 'R'],
             ['4', 'E', 'Y'],
             ['3', 'E', 'Y']])

unique, counts = np.unique(a[:, 2], return_counts=True)
result = np.vstack([unique, counts]).T
print(result)

关于第二个问题： 如果您想要避免for循环或列表理解，并且坚持使用纯numpy，并且愿意放弃输出的精确格式，您可以这样做

ind_col = np.core.defchararray.add(a[:, 1], a[:, 2])
unique, counts = np.unique(ind_col, return_counts=True)
result1 = np.vstack([unique, counts]).T

print(result1)

---

有趣的是，你想要的是实例数，但是字符串格式。也许是我，但你能明确表示唯一实例的外观数是什么意思吗？对不起。。。有一个数据错误，我编辑了这篇文章。有趣的是，你想要实例的数量，但是是字符串格式。也许是我，但是你能明确你所说的唯一实例的外观数量是什么意思吗？对不起。。。有一个数据错误，我编辑了这篇文章。