在每一行中查找唯一值

Question

我有一個大小為 2 的字符串的數組，並希望在每一行中獲取唯一的字符串。

np.__version__
# '1.19.2'
arr = np.array([['Z7', 'Q4', 'Q4'], # 2 unique strings
                ['Q4', 'Z7', 'Q4'], # 2 unq strings
                ['Q4', 'Z7', 'Z7'], # 2 unq strings
                ['Z7', 'Z7', 'Q4'], # 2 unq strings
                ['D8', 'D8', 'L1'], # 2 unq strings
                ['L1', 'L1', 'D8']], dtype='<U2') # 2 unq strings

保證每行包含相同數量的唯一字符串，即每行將具有相同數量的唯一字符串，在我的情況下為 2。

預期 output ：

array([['Q4', 'Z7'],
       ['Q4', 'Z7'],
       ['Q4', 'Z7'],
       ['Q4', 'Z7'],
       ['D8', 'L1'],
       ['D8', 'L1']], dtype='<U2')

在這里，每一行都進行了排序，但不是必須的。 兩種方式都很好。

我的代碼：

np.apply_along_axis(np.unique, 1, arr)

# array([['Q4', 'Z7'],
#        ['Q4', 'Z7'],
#        ['Q4', 'Z7'],
#        ['Q4', 'Z7'],
#        ['D8', 'L1'],
#        ['D8', 'L1']], dtype='<U2')

我認為軸 1 上的np.unique會給出預期的結果，但是

np.unique(arr, axis=1)
# array([['Q4', 'Q4', 'Z7'],
#        ['Q4', 'Z7', 'Q4'],
#        ['Z7', 'Z7', 'Q4'],
#        ['Q4', 'Z7', 'Z7'],
#        ['L1', 'D8', 'D8'],
#        ['D8', 'L1', 'L1']], dtype='<U2')

我不明白到底發生了什么以及為什么它返回了這個確切的 output。

Answer 1

這是因為 numpy.unique 將行或列子數組展平，然后返回唯一的行（軸 = 0）或列（軸 = 1），而不是唯一值本身。 看看這個例子：

a = np.array([[1, 0, 0], [1, 0, 0], [2, 3, 4]])
np.unique(a, axis=0)

output 是：

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

和

b = np.array([[1, 1, 0], [1, 1, 0], [2, 2, 4]])
np.unique(b, axis=1)

output 是：

array([[0, 1],
       [0, 1],
       [4, 2]])

在您的情況下，您需要每行本身的唯一值，因此應該像您已經實現的那樣應用 along_axis 命令。 axis = 1 的作用不大，因為您的列都是唯一的，並且只顯示一些排序。

Answer 2

np.unique的文檔，在軸參數的描述中，包含以下語句：

...由給定軸索引的子數組將被展平視為一維數組的元素

因此，如果您調用 np.unique，傳遞axis=1 ，那么：

• 每一列都被展平（因為每一列都包含“原子”值，所以什么也沒有發生）。
• 對結果列表（列列表）執行唯一元素的查找。 如果 2 列完全相同，則只會保留其中的一列。
• 結果可能以更改的順序呈現（這是內部實現細節。

解釋一下為什么每列（不是row ）：軸“1”實際上是“列”。

為了確認在這種情況下每一列都是進程 object，將源數組定義為：

arr_2 = np.array([['Z7', 'Q4', 'Q4', 'Q4'],
                  ['Q4', 'Z7', 'Q4', 'Q4'],
                  ['Q4', 'Z7', 'Z7', 'Z7'],
                  ['Z7', 'Z7', 'Q4', 'Q4'],
                  ['D8', 'D8', 'L1', 'L1'],
                  ['L1', 'L1', 'D8', 'D8']])

其中最后 2 列是一樣的。

當您執行np.unique(arr_2, axis=1)時，結果將是一樣的。 最后兩列完全相同，因此其中一個已被淘汰。