Python 按行计算数据数组中的唯一元素

问题的延伸。除了在行上具有唯一的元素外，我还希望具有一个形状类似的数组，该数组提供唯一值的计数。例如，如果初始数组如下所示：

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

我想将其作为函数的输出：

np.array([[1,  2, 0, 1,  1, 1],
          [1,  1, 2, 0,  1, 1],
          [1,  1, 1, 2,  0, 1],
          [1,  1, 1, 1,  2, 0],
          [1,  1, 1, 1,  1, 1]])

---

在numpy v.1.9中，似乎有一个额外的参数

return\u counts

，它可以在平坦数组中返回计数。是否有某种方法可以将其重新构造为原始数组维度，其中的值被复制到零处？

此答案背后的思想与此答案非常相似。我在每一行加上一个唯一的虚数。因此，不同行中的两个数字不能相等。因此，只需一次调用

np.unique

，就可以在每行的2D数组中找到所有唯一值

当

return\u index=True

提供每个唯一值第一次出现的位置时，返回索引

ind

当

return\u counts=True

给出计数时返回的计数

cnt

将计数放置在每个唯一值第一次出现的位置

这里使用的技巧的一个明显限制是原始数组必须具有int或float数据类型。它不能有一个复杂的数据类型开始，因为每一行乘以一个唯一的虚数可能会产生不同行的重复对

---

屈服

In [79]: count_unique_by_row(a)
Out[79]: 
array([[1, 2, 0, 1, 1, 1],
       [1, 1, 2, 0, 1, 1],
       [1, 1, 1, 2, 0, 1],
       [1, 1, 1, 1, 2, 0],
       [1, 1, 1, 1, 1, 1]])

---

该方法与np.unique对每一行执行相同的操作，方法是对每一行进行排序并获得连续相等值的长度。它的复杂性为O（NMlog（M）），这比在整个阵列上运行unique要好，因为它的复杂性为O（NM（log（NM））

运行时间：

In [162]: b = np.random.random(size=100000).reshape((100, 1000))

In [163]: %timeit row_unique_count(b)
100 loops, best of 3: 10.4 ms per loop

In [164]: %timeit count_unique_by_row(b)
100 loops, best of 3: 19.4 ms per loop

In [165]: assert np.all(row_unique_count(b) == count_unique_by_row(b))

---

非常有趣。

undravel_index

到底是如何工作的？

ind

是一个一维数组，这个函数似乎可以将其转换为与

a

兼容的二维索引……我最近写了一点。另请参见。实际上，我刚刚意识到这里不需要

undravel_index

。

np.put

可以放置

c使用
ind
平面索引直接将nt

值转换为

b

。我将编辑帖子以显示我的意思。您对

unravel\u index

所做操作的猜测完全正确。返回N维数组的平面1D视图。

ind

中的索引是指向

a

平面1D视图的索引。

unravel\u index

将这些索引转换为相应的坐标索引，您可以使用这些索引将其索引到N维数组

a

。

def row_unique_count(a):                                    
     args = np.argsort(a)
     unique = a[np.indices(a.shape)[0], args]
     changes = np.pad(unique[:, 1:] != unique[:, :-1], ((0, 0), (1, 0)), mode="constant", constant_values=1)
     idxs = np.nonzero(changes)
     tmp = np.hstack((idxs[-1], 0))
     counts = np.where(tmp[1:], np.diff(tmp), a.shape[-1]-tmp[:-1])
     count_array = np.zeros(a.shape, dtype="int")
     count_array[(idxs[0], args[idxs])] = counts
     return count_array

In [162]: b = np.random.random(size=100000).reshape((100, 1000))

In [163]: %timeit row_unique_count(b)
100 loops, best of 3: 10.4 ms per loop

In [164]: %timeit count_unique_by_row(b)
100 loops, best of 3: 19.4 ms per loop

In [165]: assert np.all(row_unique_count(b) == count_unique_by_row(b))