Python 将唯一numpy数组与计数器串联

有没有一种简单而有效的方法来连接两个具有计数器的唯一numpy数组

例子：

values1=np.array（['host1'，'host2'，'host3'，'host6']）
counts1=np.数组（[2,5,2,4]）
values2=np.array（['host3'，'host1'，'host4']））
counts2=np.数组（[5,7,1]）

我希望得到如下结果：

values\u res=np.array（['host1'，'host2'，'host3'，'host6'，'host4']）
counts_res=np.数组（[9,5,7,4,1]）

它们不需要排序，但

值\u res

确实需要唯一

---

我可以迭代数组中的元素，但这样做效率不高。我想以某种方式使用矢量化。

您可以利用计数器可以添加在一起这一事实。把每一双拉链拉上，做一个柜台，把它们放在一起，然后打开包装

from collections import Counter

values1 = np.array(['host1', 'host2', 'host3'])
counts1 = np.array([2,5,2])

values2 = np.array(['host3', 'host1', 'host4'])
counts2 = np.array([5,7,1])


values_res, counts_res = zip(*dict(Counter(dict(zip(values1,counts1))) + Counter(dict(zip(values2,counts2)))).items())

---

您可以利用计数器可以添加在一起这一事实。把每一双拉链拉上，做一个柜台，把它们放在一起，然后打开包装

from collections import Counter

values1 = np.array(['host1', 'host2', 'host3'])
counts1 = np.array([2,5,2])

values2 = np.array(['host3', 'host1', 'host4'])
counts2 = np.array([5,7,1])


values_res, counts_res = zip(*dict(Counter(dict(zip(values1,counts1))) + Counter(dict(zip(values2,counts2)))).items())

这可能更快（特别是对于更大的阵列），并且订购：

values_res, idx = np.unique(np.hstack((values1, values2)), return_inverse=True)
counts_res = np.bincount(idx, np.hstack((counts1, counts2)))

输出：

['host1' 'host2' 'host3' 'host4' 'host6']
[9. 5. 7. 1. 4.]

---

比较使用benchit：

#@Ehsan's solution
def m1(values1, values2, counts1, counts2):
  values_res, idx = np.unique(np.hstack((values1, values2)), return_inverse=True)
  counts_res = np.bincount(idx, np.hstack((counts1, counts2)))
  return values_res, counts_res

#@Chris's solution
def m2(values1, values2, counts1, counts2):

  values_res, counts_res = zip(*dict(Counter(dict(zip(values1,counts1))) + Counter(dict(zip(values2,counts2)))).items())
  return values_res, counts_res


in_ = {n:[np.random.choice(values_res, n), np.random.choice(values_res, n), np.random.randint(1,100,n), np.random.randint(1,100,n)] for n in [10,100,1000,10000]}

输出：

['host1' 'host2' 'host3' 'host4' 'host6']
[9. 5. 7. 1. 4.]

m1在此设置中速度更快

这可能更快（特别是对于较大的阵列），并且订购：

values_res, idx = np.unique(np.hstack((values1, values2)), return_inverse=True)
counts_res = np.bincount(idx, np.hstack((counts1, counts2)))

输出：

['host1' 'host2' 'host3' 'host4' 'host6']
[9. 5. 7. 1. 4.]

---

比较使用benchit：

#@Ehsan's solution
def m1(values1, values2, counts1, counts2):
  values_res, idx = np.unique(np.hstack((values1, values2)), return_inverse=True)
  counts_res = np.bincount(idx, np.hstack((counts1, counts2)))
  return values_res, counts_res

#@Chris's solution
def m2(values1, values2, counts1, counts2):

  values_res, counts_res = zip(*dict(Counter(dict(zip(values1,counts1))) + Counter(dict(zip(values2,counts2)))).items())
  return values_res, counts_res


in_ = {n:[np.random.choice(values_res, n), np.random.choice(values_res, n), np.random.randint(1,100,n), np.random.randint(1,100,n)] for n in [10,100,1000,10000]}

输出：

['host1' 'host2' 'host3' 'host4' 'host6']
[9. 5. 7. 1. 4.]

m1在此设置中速度更快

---

完成这项工作。谢谢我将等待更多的答案，以防有其他的选择可以超越这种方法。这样做是有效的。谢谢我将等待更多的答案，以防有其他选择可以超越这种方法。