比较Python中两行之间相同列元素的数量答案

【问题标题】：Comparing number of identical column elements between two rows in Python比较Python中两行之间相同列元素的数量
【发布时间】：2017-02-09 18:01:04
【问题描述】：

我正在尝试编写一个基本脚本，以帮助我找出行之间有多少相似的列。信息很简单，比如：

array = np.array([0 1 0 0 1 0 0], [0 0 1 0 1 1 0])

我必须在列表的所有排列之间执行此脚本，因此第 1 行与第 2 行相比，第 1 行与第 3 行相比，等等。

任何帮助将不胜感激。

【问题讨论】：

您的示例所需的输出在哪里？你在说什么第3行？我只看到两行。而且您的代码无效。
你如何定义“相似”？

标签： python arrays sorting numpy elements

【解决方案1】：

您的标题问题可以使用基本的 numpy 技术来解决。假设您有一个二维 numpy 数组 a，并且您想要比较行 m 和 n：

row_m = a[m, :] # this selects row index m and all column indices, thus: row m
row_n = a[n, :]
shared = row_m == row_n # this compares row_m and row_n element-by-element storing each individual result (True or False) in a separate cell, the result thus has the same shape as row_m and row_n
overlap = shared.sum() # this sums over all elements in shared, since False is encoded as 0 and True as 1 this returns the number of shared elements.

将此配方应用于所有行对的最简单方法是广播：

 first = a[:, None, :] # None creates a new dimension to make space for a second row axis
 second = a[None, :, :] # Same but new dim in first axis
 # observe that axes 0 and 1 in these two array are arranged as for a distance map
 # a binary operation between arrays so layed out will trigger broadcasting, i.e. numpy will compute all possible pairs in the appropriate positions
 full_overlap_map = first == second # has shape nrow x nrow x ncol
 similarity_table = full_overlap_map.sum(axis=-1) # shape nrow x nrow

【讨论】：

【解决方案2】：

如果您可以依赖所有行的二进制值，则“相似列”计数很简单

def count_sim_cols(row0, row1):
    return np.sum(row0*row1)

如果可能有更广泛的值，您只需将产品替换为比较

def count_sim_cols(row0, row1):
     return np.sum(row0 == row1)

如果你想对“相似性”有一个容忍度，比如tol，一些小的值，这只是

def count_sim_cols(row0, row1):
    return np.sum(np.abs(row0 - row1) < tol)

然后您可以使用双重嵌套循环来获取计数。假设X 是一个带有n 行的numpy 数组

sim_counts = {}
for i in xrange(n):
    for j in xrange(i + 1, n):
        sim_counts[(i, j)] = count_sim_cols(X[i], X[j])

【讨论】：