Python Numpy：展平二维数组的某些列

假设我有一个numpy数组，如下所示

a = np.asarray([[1,2,3],[1,4,3],[2,5,4],[2,7,5]])

array([[1, 2, 3],
       [1, 4, 3],
       [2, 5, 4],
       [2, 7, 5]])

如何为第1列中的每个唯一元素展平第2列和第3列，如下所示：

array([[1, 2, 3, 4, 3],
       [2, 5, 4, 7, 5],])

谢谢你的帮助

import numpy as np
a = np.asarray([[1,2,3],[1,4,3],[2,5,4],[2,7,5]])
d = {}
for row in a:
    d[row[0]] = np.concatenate( (d.get(row[0], []), row[1:]) ) 
r = np.array([np.concatenate(([key], d[key])) for key in d])
print(r)

这张照片是：

[[ 1.  2.  3.  4.  3.]
 [ 2.  5.  4.  7.  5.]]

---

使用列表理解的另一个选项：

np.array([np.insert(a[a[:,0] == k, 1:].flatten(), 0, k) for k in np.unique(a[:,0])])

# array([[1, 2, 3, 4, 3],
#        [2, 5, 4, 7, 5]])

---

因为正如在评论中所发布的，我们知道

列-0

中的每个唯一元素都有固定数量的行，我认为这意味着相同数量的行，所以我们可以使用矢量化方法来解决这个问题。我们根据

column-0

对行进行排序，并查找沿着它的移动，这将表示组更改，从而为我们提供

column-0

中每个唯一元素关联的行的确切数量。让我们称之为

L

。最后，我们对排序后的数组进行切片以选择

列-1,2

，并通过重塑将

L

行分组在一起。因此，执行工作将是非常重要的-

sa = a[a[:,0].argsort()]
L = np.unique(sa[:,0],return_index=True)[1][1]
out = np.column_stack((sa[::L,0],sa[:,1:].reshape(-1,2*L)))

为了提高性能，我们可以使用

np.diff

来计算

L

，如下所示-

L = np.where(np.diff(sa[:,0])>0)[0][0]+1

样本运行-

In [103]: a
Out[103]: 
array([[1, 2, 3],
       [3, 7, 8],
       [1, 4, 3],
       [2, 5, 4],
       [3, 8, 2],
       [2, 7, 5]])

In [104]: sa = a[a[:,0].argsort()]
     ...: L = np.unique(sa[:,0],return_index=True)[1][1]
     ...: out = np.column_stack((sa[::L,0],sa[:,1:].reshape(-1,2*L)))
     ...: 

In [105]: out
Out[105]: 
array([[1, 2, 3, 4, 3],
       [2, 5, 4, 7, 5],
       [3, 7, 8, 8, 2]])

---

如果结果行的长度不相同，会发生什么情况？列1中的每个唯一元素都有固定数量的行，因此结果行的长度相同。我怀疑numpy在这种特定情况下是否具有内置函数。不过你可以用熊猫。或者只编写自己的函数。你试过什么吗？