Python：计算数组中相同的行（没有任何导入）答案

【问题标题】：Python: Counting identical rows in an array (without any imports)Python：计算数组中相同的行（没有任何导入）
【发布时间】：2014-03-03 21:18:27
【问题描述】：

例如，给定：

import numpy as np
data = np.array(
    [[0, 0, 0],
    [0, 1, 1],
    [1, 0, 1],
    [1, 0, 1],
    [0, 1, 1],
    [0, 0, 0]])

我想得到一个 3 维数组，看起来像：

result = array([[[ 2.,  0.],
                 [ 0.,  2.]],

                [[ 0.,  2.],
                 [ 0.,  0.]]])

一种方法是：

for row in data
    newArray[ row[0] ][ row[1] ][ row[2] ] += 1

我想要做的是：

for i in dimension1
   for j in dimension2
      for k in dimension3
          result[i,j,k] = (data[data[data[:,0]==i, 1]==j, 2]==k).sum()

这似乎不起作用，我想通过坚持我的实现而不是一开始提到的实现（或使用任何额外的导入，例如计数器）来达到预期的结果。

谢谢。

【问题讨论】：

我相信你使用的是 numpy。
是的，没错，会修复它。无论如何，有什么想法吗？
我认为您的第一种方法更容易阅读，当然也更快。
@tobias_k 我知道！我只是想知道为什么第二种方法不起作用:)
请下次发布语法正确的代码

标签： python arrays list numpy

【解决方案1】：

不要害怕进口。它们使 Python 变得很棒。

如果问题假设您已经有了结果矩阵。

import numpy as np
data = np.array(
    [[0, 0, 0],
     [0, 1, 1],
     [1, 0, 1],
     [1, 0, 1],
     [0, 1, 1],
     [0, 0, 0]]
)
result = np.zeros((2,2,2))

# range of each dim, aka allowable values for each dim
dim_ranges = zip(np.zeros(result.ndim), np.array(result.shape)-1)
dim_ranges
# Out[]:
#     [(0.0, 2), (0.0, 2), (0.0, 2)]

# Multidimentional histogram will effectively "count" along each dim
sums,_ = np.histogramdd(data,bins=result.shape,range=dim_ranges)
result += sums
result
# Out[]:
#     array([[[ 2.,  0.],
#             [ 0.,  2.]],
#
#            [[ 0.,  2.],
#             [ 0.,  0.]]])

此解决方案可解决任何“结果”ndarray，无论其形状如何。此外，即使您的“数据”ndarray 具有超出结果矩阵范围的索引，它也可以正常工作。

【讨论】：

【解决方案2】：

问题是data[data[data[:,0]==i, 1]==j, 2]==k 不是你所期望的。

让我们把这个拆开看(i,j,k) == (0,0,0)这个案子

data[:,0]==0 是 [True, True, False, False, True, True]，data[data[:,0]==0] 正确地给出了第一个数字是 0 的行。

现在从这些行我们得到第二个数字是0的行：data[data[:,0]==0, 1]==0，这给了我们[True, False, False, True]。这就是问题所在。因为如果我们从data 获取这些索引，即data[data[data[:,0]==0, 1]==0]，我们不会得到第一个和第二个数字是0 的行，而是0th 和3rd 行：

In [51]: data[data[data[:,0]==0, 1]==0]
Out[51]: array([[0, 0, 0],
                [1, 0, 1]])

如果我们现在过滤第三个数字是 0 的行，我们会得到错误的结果 w.r.t。原始数据。

这就是为什么你的方法行不通的原因。有关更好的方法，请参阅其他答案。

【讨论】：

【解决方案3】：

您也可以为此使用numpy.histogramdd：

>>> np.histogramdd(data, bins=(2, 2, 2))[0]
array([[[ 2.,  0.],
        [ 0.,  2.]],

       [[ 0.,  2.],
        [ 0.,  0.]]])

【讨论】：

【解决方案4】：

您可以执行以下操作

#Get output dimension and construct output array.
>>> dshape = tuple(data.max(axis=0)+1)
>>> dshape
(2, 2, 2)
>>> out = np.zeros(shape)

如果你有 numpy 1.8+：

out.flat[np.ravel_multi_index(data.T, dshape)]+=1

其他：

#Get indices and unique the resulting array
>>> inds = np.ravel_multi_index(data.T, dshape)
>>> inds, inverse = np.unique(inds, return_inverse=True)
>>> values = np.bincount(inverse)

>>> values
array([2, 2, 2])

>>> out.flat[inds] = values
>>> out
array([[[ 2.,  0.],
        [ 0.,  2.]],

       [[ 0.,  2.],
        [ 0.,  0.]]])

numpy 1.7 之前的 Numpy 版本没有 add.at 属性，没有它，顶部代码将无法工作。由于ravel_multi_index 可能不是您可以考虑采用 numpy 数组的unique rows 的最快算法。实际上这两个操作应该是等价的。

【讨论】：