将numpy数组转换为映射到行的值的字典

Question

考虑一下我有一个二维的numpy数组，其中每一行代表一个唯一的项目，行中的每一列代表分配给该项目的标签。 例如，在这种情况下，一个10 x 25的数组将代表10个项目，每个项目最多具有25个标签。

将其转换为将标签映射到该标签所在的行索引的dict（或其他适当的数据类型，如果可以按长度排序，则为加分）的最有效方法是什么？ 例如， dict[1]将返回包含1作为标签的行索引的列表。

例如，

Given:
    [1, 2, 3]
    [1, 0, 0]
    [1, 3, 0]

Result:
    1: 0, 1, 2 # 1 occurs in rows 0, 1, 2
    3: 0, 2    # 3 occurs in rows 0, 2
    0: 1, 2    # 0 occurs in rows 1, 2 (0 is padding for lack of labels)
    2: 0       # 2 occurs in row 0 only

Answer 1

更新 ：按长度增加了排序。

我们可以使用高级索引来创建按项目和标签索引的网格。 然后，我们可以遍历各列，并使用flatnonzero获取项目ID：

>>> ex = [[1, 2, 3],
...       [1, 0, 0],
...       [1, 3, 0]]
>>> 
>>> m = len(ex)
>>> n = np.max(ex) + 1
>>> grid = np.zeros((m, n), int) # could also use a smaller dtype here
>>> grid[np.arange(m)[:, None], ex] = 1
>>> grid
array([[0, 1, 1, 1],
       [1, 1, 0, 0],
       [1, 1, 0, 1]])
>>> idx = np.argsort(np.count_nonzero(grid, 0))[::-1]
>>> dict(zip(idx, map(np.flatnonzero, grid.T[idx])))
{1: array([0, 1, 2]), 3: array([0, 2]), 0: array([1, 2]), 2: array([0])}

请注意，字典会记住其键的插入顺序。 这是3.6中的实现细节，但将是3.7中的保证功能。

Answer 2

您可以使用collections.defaultdict ，然后使用OrderedDict按观察次数排序：

import numpy as np
from collections import defaultdict, OrderedDict

A = np.array([[1, 2, 3],
              [1, 0, 0],
              [1, 3, 0]])

d = defaultdict(list)

for idx, row in enumerate(A):
    for i in set(row):
        d[i].append(idx)

res = OrderedDict(sorted(d.items(), key=lambda x: len(x[1]), reverse=True))

print(res)

OrderedDict([(1, [0, 1, 2]),
             (3, [0, 2]),
             (0, [1, 2]),
             (2, [0])])

Answer 3

您只需定义一个{}并遍历数组，就可以在其中添加值，如下所示：

def f(array):
    table = {} # Initialize the dict
    for rownumber, row in enumerate(array): # Goes through all of the rows, with associated numbering
        for element in set(row): # Deduplicate to avoid duplicate row numbers
            if element not in table: table[element] = [] # Initialize empty row list if this element is new
            table[element].append(rownumber+1) # Add the current row number to the associated list of rows
    return d

print(f([[1, 2, 3], [1, 0, 0], [1, 3, 0]]))

这种方法是O（N ² ） 。 由于set（）是线性的并且被称为N次，因此可以实现这一点。 同样，集合成员资格是固定时间。