在 python 列表上收缩类似元素答案

【问题标题】：Contracting like elements over python lists在 python 列表上收缩类似元素
【发布时间】：2019-08-09 02:54:51
【问题描述】：

我有一个名字列表，比如说

m=['l','l','k','j','h','k']

还有一个与它们对应的值数组：

n = np.array([[1,2,3,4,5,6],[7,8,9,1,2,3]])

我想收缩 m 以便只包含唯一元素（我可以使用 np.unique 做到这一点），然后在数组 n 中添加两行的相应元素。

我应该如何有效地做到这一点？目前只能想到遍历m的元素，找到m中所有其他相同的元素，然后收缩n的这些列。非常低效！

编辑：

预期输出：

m=array(['h', 'j', 'k', 'l'], dtype='<U1')

n=np.array([[5,4,9,3],[2,1,12,15]])

【问题讨论】：

你说的合同是什么意思？
@Chris '合同 m 以便仅包含唯一元素'
那么对应的元素呢？基于m 中已删除元素的索引？我仍然看不到您获得预期输出的逻辑:(
数组 m 最初有 6 个名称/标签。数组 n 是 2x6，每一行对应标签的一个属性，n 中的每一列对应 m 中的第 i 个标签。我需要为相同标签的每条记录添加相同事件的发生。 @克里斯

标签： python arrays numpy

【解决方案1】：

您可以将矩阵乘法与稀疏矩阵一起使用以提高效率：

import numpy as np                                                                                                                                                                                                   
from scipy import sparse

m=['l','l','k','j','h','k']
n = np.array([[1,2,3,4,5,6],[7,8,9,1,2,3]])

unq, idx = np.unique(m, return_inverse=True)
res = n@sparse.csr_matrix((np.ones_like(idx),idx,np.arange(idx.size+1)))

unq
# array(['h', 'j', 'k', 'l'], dtype='<U1')
res
# array([[ 5,  4,  9,  3],
#        [ 2,  1, 12, 15]], dtype=int64)

【讨论】：

【解决方案2】：

你可以将np.unique的标志return_index放到True

import numpy as np

m = np.array(['l','l','k','j','h','k'])
n = np.array([[1,2,3,4,5,6],[7,8,9,1,2,3]])    


unique_elements, unique_indices = np.unique(m, return_index=True)

# you can return the unique elements as well as the corresponding indices        
print(unique_elements, unique_indices)        


# so you get what you want with:
print(m[unique_indices])
print(n[:,unique_indices])

【讨论】：