遍历二维 numpy 数组以找到对应的最大值

Question

我有一组数据：

interactions=np.array([[0,1], [0,2], [0,3], [1,2], [1, 4], [2, 1], [2,5], [2,7]])

我需要遍历第一列中的每个值，在第二列中找到相应的最大值，然后存储在一个新数组中（或从该数组中删除其他值）。 对于此示例，最终的 output 将因此为：

interactions=[[0, 3], [1, 4], [2,7]]

我已经设法编写了一段代码，它将为特定的列值执行此操作，但无法弄清楚如何将它变成一个循环来执行整个数组：

创建一个数组来存储值：

p_gamma=np.amax(interactions[:,0])
zfinal=np.zeros([np.int(p_gamma)+1, 2])

找到每个列值的最大值（这是我需要帮助的地方：）：

counter=0
interactions=interactions[interactions[:,0] ==counter]
maxval=np.amax(interactions[:, 1])
interactions=interactions[interactions[:, 1] == maxval]
zfinal[0,:]=interactions

提前感谢您提供的任何帮助！！！

Answer 1

numpy方法是：

i = np.flatnonzero(np.diff(interactions[:, 0])) + 1   # finding indices where first column changes
np.maximum.reduceat(interactions, np.r_[0, i])        # taking maximum values between those indices

array([[0, 3],
       [1, 4],
       [2, 7]], dtype=int32)

Answer 2

使用 pandas groupby 第一列0并取最大值并转换回 numpy 数组：

import pandas as pd
pd.DataFrame(interactions).groupby(0).max().reset_index().to_numpy()

output：

[[0 3]
 [1 4]
 [2 7]]

---

说明：

• pd.DataFrame(interactions) : 从 numpy 数组创建一个数据框
• groupby(0) ：按第一列分组数据
• max() : 查找每组中第二列的最大值
• reset_index() : 将 groupby object 转换为 dataframe
• to_numpy() : 将 dataframe 转换为 numpy 数组

Answer 3

这是一种可能的单行解决方案，无需使用任何额外的库：

result = list(zip(np.unique(interactions[:,0]),
                  map(max, np.split(interactions[:,1], 
                                    np.unique(interactions[:,0], 
                                              return_index=True)[1][1:]))))

Output：

[(0, 3), (1, 4), (2, 7)]