在python数组中查找没有子集的唯一集

Question

我有一个数据集，需要输出布尔样式数据，无论是true还是true，仅输出1和0。 我试图解析经过处理的简单数据集，以在numpy数组中查找信息的子集，该数组在一个方向上大约100,000个元素，在另一个方向上大约20个元素。 我只需要沿20轴进行搜索，但是我需要对100,000个条目中的每个条目进行搜索，并获取可以映射的输出。

我制作了一个由零组成的大小的数组，目的是简单地将匹配的索引指示符标记为1。主要的障碍是，如果我找到一个长集（我正在处理长集到小集） ），则无需包含其中的任何较小的集合。

样本：[0,0,1,1,1,1,1,0,0,1,1,1,0,0,0,1,0,1]

我需要在这里找到从索引2开始有1组5，从索引9开始有3的一组，并且不返回5组的任何子集，就好像它是4组或一组3的结果，因此保留所有已经覆盖的值的结果。 例如，对于3组，索引2、3、4、5和6都将保持零。 它不需要太高效，我不在乎它是否仍在搜索，我只需要保留结果即可。

目前，我正在使用基本上像这样的代码块进行简单搜索：

values = numpy.array([0,1,1,1,1,1,0,0,1,1,1])
searchval = [1,2]
N = len(searchval)
possibles = numpy.where(values == searchval[0])[0]
print(possibles)
solns = []
for p in possibles:
    check = values[p:p+N]
    if numpy.all(check == searchval):
        solns.append(p)
print(solns)

我一直在绞尽脑汁，想出一种方法来重组此代码或类似代码以产生期望的结果。 最终目标是搜索9到3的组，并有效地使用1s和0s的矩阵来指示索引是否有一个我们想要的起始组。

希望有人可以指出我要完成这项工作所缺少的内容。 谢谢！

Answer 1

像这样吗

from collections import defaultdict

sample = [0, 0, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 0, 0, 0, 1, 0, 1]

# Keys are number of consecutive 1's, values are indicies
results = defaultdict(list)
found = 0

for i, x in enumerate(samples):
    if x == 1:
        found += 1
    elif i == 0 or found == 0:
        continue
    else:
        results[found].append(i - found)
        found = 0

if found:
    results[found].append(i - found + 1)

assert results == {1: [15, 17], 3: [9], 5: [2]}

Answer 2

使用more_itertools ，一个第三方库（ pip install more_itertools ）：

import more_itertools as mit


sample = [0, 0, 1, 1, 1, 1, 1, 0, 0, 1, 1, 1, 0, 0, 0, 1, 0, 1]

groups = [list(c) for c in mit.consecutive_groups((mit.locate(sample)))]
d = {group[0]: len(group) for group in groups}
d
# {2: 5, 9: 3, 15: 1, 17: 1}

该结果显示为“索引2是5个一组。索引9是3个一组，等等”。

---

细节

• more_itertools.locate默认情况下查找真实项目的索引。
• more_itertools.consecutive_groups连续的数字组合在一起。
• 结果是（起始索引，长度）对的字典。

作为字典 ，您可以提取各种信息：

>>> # List of starting indices
>>> list(d)
[2, 9, 15, 17]

>>> # List indices for all lonely groups
>>> [k for k, v in d.items() if v == 1]
[15, 17]

>>> # List indices of groups greater the 2 items
>>> [k for k, v in d.items() if v > 1]
[2, 9]

Answer 3

这是一个numpy的解决方案。 我使用一个小示例进行演示，但是它很容易扩展（在我比较适中的笔记本电脑上， 20 x 100,000需要25毫秒，请参阅本文结尾处的计时）：

>>> import numpy as np
>>> 
>>> 
>>> a = np.random.randint(0, 2, (5, 10), dtype=np.int8)
>>> a
array([[0, 1, 0, 0, 1, 1, 0, 0, 0, 0],
       [0, 1, 1, 0, 1, 0, 1, 0, 0, 0],
       [1, 0, 1, 1, 1, 1, 0, 0, 0, 0],
       [0, 0, 0, 0, 1, 0, 1, 0, 0, 0],
       [0, 0, 1, 0, 1, 1, 1, 1, 0, 0]], dtype=int8)
>>> 
>>> padded = np.pad(a,((1,1),(0,0)), 'constant')
# compare array to itself with offset to mark all switches from
# 0 to 1 or from 1 to 0
# then use 'where' to extract the coordinates
>>> colinds, rowinds = np.where((padded[:-1] != padded[1:]).T)
>>> 
# the lengths of sets are the differences between switch points
>>> lengths = rowinds[1::2] - rowinds[::2]
# now we have the lengths we are free to throw the off-switches away
>>> colinds, rowinds = colinds[::2], rowinds[::2]
>>> 
# admire
>>> from pprint import pprint
>>> pprint(list(zip(colinds, rowinds, lengths)))
[(0, 2, 1),
 (1, 0, 2),
 (2, 1, 2),
 (2, 4, 1),
 (3, 2, 1),
 (4, 0, 5),
 (5, 0, 1),
 (5, 2, 1),
 (5, 4, 1),
 (6, 1, 1),
 (6, 3, 2),
 (7, 4, 1)]

时序：

>>> def find_stretches(a):
...     padded = np.pad(a,((1,1),(0,0)), 'constant')
...     colinds, rowinds = np.where((padded[:-1] != padded[1:]).T)
...     lengths = rowinds[1::2] - rowinds[::2]
...     colinds, rowinds = colinds[::2], rowinds[::2]
...     return colinds, rowinds, lengths
... 
>>> a = np.random.randint(0, 2, (20, 100000), dtype=np.int8)
>>> from timeit import repeat
>>> kwds = dict(globals=globals(), number=100)
>>> repeat('find_stretches(a)', **kwds)
[2.475784719004878, 2.4715258619980887, 2.4705517270049313]