將二維數組轉換為每行唯一值的二維數組

Question

我有一個形狀為 5x4 的二維數組，如下所示：

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

我想獲得另一個包含唯一值的 arrays 的數組，如下所示：

array([array([3]), array([3]), array([2, 3]), array([2]), array([2])],
      dtype=object)

我通過以下代碼獲得了它：

np.array([np.unique(row) for row in matrix])

但是，這不是矢量化的。 如何在矢量化 numpy 操作中實現相同的效果？

Answer 1

numpy arrays 必須具有已定義的形狀，因此，如果您的數據對於某些行只有1值，而對於其他行只有2或更多值，那么這是行不通的。 一種解決方法是用已知值填充數組，例如。 np.nan 。

在這種情況下， np.unique將為您解決所有問題。 如果你使用它的axis參數。 在這種情況下，您希望每行具有唯一值，因此我們使用axis=1 ：

arr = np.array([[3, 3, 3, 3],
                [3, 3, 3, 3],
                [3, 3, 2, 2],
                [2, 2, 2, 2],
                [2, 2, 2, 2]])

np.unique(arr, axis=1)
>>> array([[3, 3],
           [3, 3],
           [2, 3],
           [2, 2],
           [2, 2]])

結果是一個數組，每行都有正確的唯一值，盡管有些是重復的，但這是擁有一個數組的代價。

Answer 2

這是迭代時最小化計算的一種方法，應該有助於提高性能 -

b = np.sort(a,axis=1)
o = np.ones((len(a),1), dtype=bool)
mask = np.c_[o,b[:,:-1] != b[:,1:]]
c = b[mask]
out = np.split(c, mask.sum(1).cumsum())[:-1]

使用slicing的循環可能比np.split更好。 因此，在每次迭代中，我們所做的只是切片。 因此，最后一步可以用這樣的東西代替 -

idx = np.r_[0,mask.sum(1).cumsum()]
out = []
for (i,j) in zip(idx[:-1],idx[1:]):
    out.append(c[i:j])