在 numpy 数组中查找相同的行和列答案

【问题标题】：finding identical rows and columns in a numpy array在 numpy 数组中查找相同的行和列
【发布时间】：2021-04-08 15:28:18
【问题描述】：

我有一个 nxn 元素的布尔数组，我想检查是否有任何行与另一行相同。如果有任何相同的行，我想检查相应的列是否也相同。

这是一个例子：

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

我想让程序发现第一行和第三行相同，然后检查第一列和第三列是否也相同；在这种情况下，它们是。

【问题讨论】：

性能对你来说重要吗？
不要太多，因为数组很小

标签： python arrays numpy

【解决方案1】：

你可以使用np.array_equal():

for i in range(len(A)):  # generate pairs
    for j in range(i + 1, len(A)): 
        if np.array_equal(A[i], A[j]):  # compare rows
            if np.array_equal(A[:,i], A[:,j]):  # compare columns
                print(i, j)
        else:
            pass

或使用combinations():

import itertools

for pair in itertools.combinations(range(len(A)), 2):
    if np.array_equal(A[pair[0]], A[pair[1]]) and np.array_equal(A[:,pair[0]], A[:,pair[1]]):  # compare columns
        print(pair)

【讨论】：

【解决方案2】：

从将np.unique 应用于二维数组并让它返回唯一对的典型方式开始：

def unique_pairs(arr):
    uview = np.ascontiguousarray(arr).view(np.dtype((np.void, arr.dtype.itemsize * arr.shape[1])))
    uvals, uidx = np.unique(uview, return_inverse=True)
    pos = np.where(np.bincount(uidx) == 2)[0]

    pairs = []
    for p in pos:
        pairs.append(np.where(uidx==p)[0])

    return np.array(pairs)

然后我们可以执行以下操作：

row_pairs = unique_pairs(A)
col_pairs = unique_pairs(A.T)

for pair in row_pairs:
    if np.any(np.all(pair==col_pairs, axis=1)):
        print pair

>>> [0 2]

当然还有很多优化要做，但重点是使用np.unique。与其他方法相比，此方法的效率在很大程度上取决于您如何定义“小”数组。

【讨论】：

【解决方案3】：

既然你说性能并不重要，这里有一个不是非常 numpythonic 的蛮力解决方案：

>>> n = len(A)
>>> for i1, row1 in enumerate(A):
...     offset = i1 + 1  # skip rows already compared 
...     for i2, row2 in enumerate(A[offset:], start=offset):
...         if (row1 == row2).all() and (A.T[i1] == A.T[i2]).all():
...             print i1, i2
...             
0 2

可能是 O(n^2)。我使用转置数组A.T 来检查列是否相等。

【讨论】：

【解决方案4】：

对于小型数组，另一种不依赖 Python 循环的方法是通过 NumPy 广播。

bool_array = np.logical_not(np.logical_xor(A[:,np.newaxis,:], A[np.newaxis,:,:])) # XNOR for comparison
matches_array = np.sum(bool_array, axis=2)  # count total matches for all elements in a row
row1, row2 = np.where(matches_array == A.shape[1]) # identical row = all elements in a row match
row1, row2 = row1[row2 > row1], row2[row2 > row1]  # filter self & duplicated comparisons
column_match = np.all(A[:,row1] == A[:,row2], axis=0)  # check if the corresponding columns are identical
for r1, r2, c in zip(row1, row2, column_match):
    print("Row %d and row %d : Column identical: %s" % (r1, r2, c))

如前所述，这种方法在 A 变大时不起作用，因为它在计算过程中需要 O(n^3) 内存存储（由于bool_array）

【讨论】：