python中是否有任何函数可以执行numpy.repeat函数的逆运算？

Question

例如

x = np.repeat(np.array([[1,2],[3,4]]), 2, axis=1)

给你

x = array([[1, 1, 2, 2],
          [3, 3, 4, 4]])

但是有什么可以执行的

 x = np.*inverse_repeat*(np.array([[1, 1, 2, 2],[3, 3, 4, 4]]), axis=1)

给你

x = array([[1,2],[3,4]])

Answer 1

常规切片应该可以工作。对于要反转重复的轴，请使用::number_of_repetitions

x = np.repeat(np.array([[1,2],[3,4]]), 4, axis=0)
x[::4, :]  # axis=0
Out: 
array([[1, 2],
       [3, 4]])

x = np.repeat(np.array([[1,2],[3,4]]), 3, axis=1)

x[:,::3]  # axis=1
Out: 
array([[1, 2],
       [3, 4]])


x = np.repeat(np.array([[[1],[2]],[[3],[4]]]), 5, axis=2)
x[:,:,::5]  # axis=2
Out: 
array([[[1],
        [2]],

       [[3],
        [4]]])

Answer 2

这应该可以工作，并且与 np.repeat 具有完全相同的签名：

def inverse_repeat(a, repeats, axis):
    if isinstance(repeats, int):
        indices = np.arange(a.shape[axis] / repeats, dtype=np.int) * repeats
    else:  # assume array_like of int
        indices = np.cumsum(repeats) - 1
    return a.take(indices, axis)

编辑：添加了对每项重复的支持，类似于 np.repeat

Answer 3

对于我们知道轴和重复的情况——并且重复是一个标量（所有元素的值相同），我们可以像这样构造一个切片索引：

In [1117]: a=np.array([[1, 1, 2, 2],[3, 3, 4, 4]])
In [1118]: axis=1; repeats=2

In [1119]: ind=[slice(None)]*a.ndim
In [1120]: ind[axis]=slice(None,None,a.shape[axis]//repeats)
In [1121]: ind
Out[1121]: [slice(None, None, None), slice(None, None, 2)]
In [1122]: a[ind]
Out[1122]: 
array([[1, 2],
       [3, 4]])

@Eelco's 使用 take 可以更轻松地专注于一个轴，但需要索引列表，而不是切片。

但repeat 确实允许不同的重复计数。

In [1127]: np.repeat(a1,[2,3],axis=1)
Out[1127]: 
array([[1, 1, 2, 2, 2],
       [3, 3, 4, 4, 4]])

知道axis=1 和repeats=[2,3] 我们应该能够构建正确的take 索引（可能使用cumsum）。切片不起作用。

但如果我们只知道轴，而重复次数未知，那么我们可能需要某种unique 或set 操作，如@redratear's 答案。

In [1128]: a2=np.repeat(a1,[2,3],axis=1)
In [1129]: y=[list(set(c)) for c in a2]
In [1130]: y
Out[1130]: [[1, 2], [3, 4]]

带有列表repeats 的take 解决方案。这应该选择每个重复块的最后一个：

In [1132]: np.take(a2,np.cumsum([2,3])-1,axis=1)
Out[1132]: 
array([[1, 2],
       [3, 4]])

已删除的答案使用unique；这是我逐行使用unique

In [1136]: np.array([np.unique(row) for row in a2])
Out[1136]: 
array([[1, 2],
       [3, 4]])

unique 比 set 更好，因为它保持元素顺序。 unique （或设置）还有另一个问题 - 如果原件有重复值怎么办，例如[[1,2,1,3],[3,3,4,1]].

这是一个很难从结果中推断出重复模式的情况。我必须先查看所有行。

In [1169]: a=np.array([[2,1,1,3],[3,3,2,1]])
In [1170]: a1=np.repeat(a,[2,1,3,4], axis=1)
In [1171]: a1
Out[1171]: 
array([[2, 2, 1, 1, 1, 1, 3, 3, 3, 3],
       [3, 3, 3, 2, 2, 2, 1, 1, 1, 1]])

但是 cumsum 在已知的重复上很好地解决了它：

In [1172]: ind=np.cumsum([2,1,3,4])-1
In [1173]: ind
Out[1173]: array([1, 2, 5, 9], dtype=int32)
In [1174]: np.take(a1,ind,axis=1)
Out[1174]: 
array([[2, 1, 1, 3],
       [3, 3, 2, 1]])

Answer 4

>>> import numpy as np
>>> x = np.repeat(np.array([[1,2],[3,4]]), 2, axis=1)
>>> y=[list(set(c)) for c in x] #This part remove duplicates for each array in tuple. So this will not work for x = np.repeat(np.array([[1,1],[3,3]]), 2, axis=1)=[[1,1,1,1],[3,3,3,3]. Result will be [[1],[3]]
>>> print y
[[1, 2], [3, 4]]

你不需要知道轴和重复量...