在 numpy 二维数组行中查找最常见的值，否则返回最大值

Question

我有一个这样的数组

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

我想返回一个只有一列的数组。 条件是返回每一行中最常见的值； 如果多个值的出现次数相同，则只返回其中的最大值。

我用了这段代码

most_f = np.array([np.bincount(row).argmax() for row in Nbank])

如果多个值的出现次数相同，则返回第一项而不是最大值。 我该如何解决这个问题？

Answer 1

这可以给出数组中存在的最大值

Nbank.max()

Answer 2

您可以在按行降序排序后使用计数器。 有一个most_common会返回你想要的。 由于它已经排序，第一个元素总是最大或最频繁的。

import numpy as np
from collections import Counter
Nbank = np.array([[2, 3, 1],
                  [1, 2, 2],
                  [3, 2, 1],
                  [3, 2, 1],
                  [2, 3, 2],
                  [2, 2, 3],
                  [1, 1, 3],
                  [2, 1, 1],
                  [2, 2, 3],
                  [1, 1, 1],
                  [2, 1, 1],
                  [2, 3, 1],
                  [1, 2, 1]])


np.array([Counter(sorted(row, reverse=True)).most_common(1)[0][0] for row in Nbank])

Output

array([3, 2, 3, 3, 2, 2, 1, 1, 2, 1, 1, 3, 1])

Answer 3

我相信这会解决问题。 您可能会通过一些花哨的列表理解将其变成一个单行，但我认为这不值得。

most_f = []
for n in Nbank: #iterate over elements
    counts = np.bincount(n) #count the number of elements of each value
    most_f.append(np.argwhere(counts == np.max(counts))[-1][0]) #append the last and highest

Answer 4

您可以稍微作弊并反转每一行，以使np.argmax返回对应于最大项目的最右边出现的索引：

N = np.max(arr)
>>> [N - np.argmax(np.bincount(row, minlength=N+1)[::-1]) for row in Nbank]
[3, 2, 3, 3, 2, 2, 1, 1, 2, 1, 1, 3, 1]

如果您想充分利用numpy ，您可能还想避免循环，这绝对是可取的。 不幸的是，二维np.bincount不支持 np.bincount，但您可以手动执行：

N, M = arr.shape[0], np.max(arr)+1
bincount_2D = np.zeros(shape=(N, M), dtype=int)
advanced_indexing = np.repeat(np.arange(N), arr.shape[1]), arr.ravel()
np.add.at(bincount_2D, advanced_indexing, 1)
>>> bincount_2D
array([[0, 1, 1, 1],
       [0, 1, 2, 0],
       [0, 1, 1, 1],
       [0, 1, 1, 1],
       [0, 0, 2, 1],
       [0, 0, 2, 1],
       [0, 2, 0, 1],
       [0, 2, 1, 0],
       [0, 0, 2, 1],
       [0, 3, 0, 0],
       [0, 2, 1, 0],
       [0, 1, 1, 1],
       [0, 2, 1, 0]])

然后同时对所有行重复该过程：

>>> M -1 - np.argmax(bincount_2D[:,::-1], axis=1)
array([3, 2, 3, 3, 2, 2, 1, 1, 2, 1, 1, 3, 1], dtype=int64)