根据规则替换多维numpy数组的元素

Question

假设我们有一个 numpy 数组：

import numpy as np
arr = np.array([[ 5,  9],[14, 23],[26,  4],[ 5, 26]])

我想用它的出现次数替换每个元素，

 unique0, counts0= np.unique(arr.flatten(), return_counts=True)
 print (unique0, counts0)

(数组([ 4, 5, 9, 14, 23, 26]), 数组([1, 2, 1, 1, 1, 2]))

所以 4 应该替换为 1、5 替换为 2 等以获得：

[[ 2, 1],[1, 1],[2, 1],[2, 2]]

有没有办法在 numpy 中实现这一点？

Answer 1

使用另一个可选参数 return_inverse 和 np.unique 根据唯一性标记所有元素，然后将它们映射到计数以提供我们想要的输出，就像这样 -

_, idx, counts0 = np.unique(arr, return_counts=True,return_inverse=True)
out = counts0[idx].reshape(arr.shape)

示例运行 -

In [100]: arr
Out[100]: 
array([[ 5,  9],
       [14, 23],
       [26,  4],
       [ 5, 26]])

In [101]: _, idx, counts0 = np.unique(arr, return_counts=True,return_inverse=True)

In [102]: counts0[idx].reshape(arr.shape)
Out[102]: 
array([[2, 1],
       [1, 1],
       [2, 1],
       [2, 2]])

Answer 2

这是一个替代解决方案，因为@Divakar 的答案在

 In [1]: import numpy as np

 In [2]: arr = np.array([[ 5,  9],[14, 23],[26,  4],[ 5, 26]])

 In [3]: np.bincount(arr.flatten())[arr]
 Out[3]: 
 array([[2, 1],
        [1, 1],
        [2, 1],
        [2, 2]])

测试速度（使用 10000 个随机整数）：

def replace_unique(arr):
    _, idx, counts0 = np.unique(arr,return_counts=True,return_inverse=True)
    return counts0[idx].reshape(arr.shape)

def replace_bincount(arr):
    return np.bincount(arr.flatten())[arr]

arr = np.random.random_integers(30,size=[10000,2])


%timeit -n 1000 replace_bincount(arr)
# 1000 loops, best of 3: 68.3 µs per loop
%timeit -n 1000 replace_unique(arr)
# 1000 loops, best of 3: 922 µs per loop

所以bincount 方法比unique 方法快~14 倍。