Python 如何以矢量化的方式找到特定轴上二维阵列的唯一矢量？

我有一个shape

（n，t）

数组，我想将其视为

n向量的时间序列

我想知道沿
t维存在的唯一
n向量
值，以及每个唯一向量的相关
t指数
。我很乐意使用任何合理的平等定义（例如，
numpy.unique
将采用浮动）

在
t
上进行Python循环很容易，但我希望采用矢量化方法

在某些特殊情况下，可以通过将
n-向量
折叠成标量（并在1d结果上使用
numpy.unique
）来实现，例如，如果您有布尔值，则可以使用向量化的
点
和
（2**k）
向量将（布尔向量）转换为整数，但我正在寻找一个相当通用的解决方案。
如果数组的形状是（t，n）——因此每个n向量的数据在内存中是连续的——您可以将二维数组创建为一维结构化数组，然后在此视图上使用numpy.unique

如果您可以更改阵列的存储约定，或者如果您不介意制作转置阵列的副本，这可能对您有用

下面是一个例子：

import numpy as np

# Demo data.
x = np.array([[1,2,3],
              [2,0,0],
              [1,2,3],
              [3,2,2],
              [2,0,0],
              [2,1,2],
              [3,2,1],
              [2,0,0]])

# View each row as a structure, with field names 'a', 'b' and 'c'.
dt = np.dtype([('a', x.dtype), ('b', x.dtype), ('c', x.dtype)])
y = x.view(dtype=dt).squeeze()

# Now np.unique can be used.  See the `unique` docstring for
# a description of the options.  You might not need `idx` or `inv`.
u, idx, inv = np.unique(y, return_index=True, return_inverse=True)

print("Unique vectors")
print(u)

这看起来很有希望，但对我来说不太管用。如果我使用numpy版本1.6.2运行示例代码（使用dtype->np.dtype），我会得到“TypeError:requested sort not available for type”（见下文），当我尝试在实际问题中使用类似的逻辑时，我会得到“ValueError:new type not compatible with array”（我正在尝试跟踪该代码，但这导致我按原样尝试该示例）由于某些原因，这些类型的对象未实现array.argsort（kind='mergesort'）。“快速排序”很好用。总的来说，我明白为什么它希望mergesort的稳定排序能够处理索引中带有重复项的关系，但在我的例子中，我可以自己使用快速排序构建索引，而不必担心它不稳定。不幸的是，我仍在尝试让视图（dtype=dt）用于我的实际数据。我的“新类型不兼容”错误是因为（正如您所提到的）我需要说“xT=x.transpose（）.*copy（）**”，而不仅仅是“xT=x.transpose（）”。其次，在numpy 1.6.2中，当您要求unique返回索引时，unique使用mergesort（而不是quicksort），并且mergesort实现不喜欢自定义数据类型。为了解决这个问题，我可以制作自己的unique副本（它位于arraysetops.py中），删除kind=mergesort。这解决了我的问题！有趣的是，对于NNIE工作，跟踪排序方法问题。不幸的是，结构化数组不能用“mergesort”方法进行排序似乎是一个不必要的限制（bug？）。事实证明，这已经在github上numpy的主分支中得到了修复。因此，numpy的下一个版本应该允许使用kind='mergesort'对结构化数组进行排序，因此
unique
也应该可以工作。