遍歷二維 numpy 數組以找到對應的最大值

Question

我有一組數據：

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

我需要遍歷第一列中的每個值，在第二列中找到相應的最大值，然后存儲在一個新數組中（或從該數組中刪除其他值）。 對於此示例，最終的 output 將因此為：

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

我已經設法編寫了一段代碼，它將為特定的列值執行此操作，但無法弄清楚如何將它變成一個循環來執行整個數組：

創建一個數組來存儲值：

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

找到每個列值的最大值（這是我需要幫助的地方：）：

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

提前感謝您提供的任何幫助！！！

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並取最大值並轉換回 numpy 數組：

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

output：

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

---

說明：

• pd.DataFrame(interactions) : 從 numpy 數組創建一個數據框
• groupby(0) ：按第一列分組數據
• max() : 查找每組中第二列的最大值
• reset_index() : 將 groupby object 轉換為 dataframe
• to_numpy() : 將 dataframe 轉換為 numpy 數組

Answer 3

這是一種可能的單行解決方案，無需使用任何額外的庫：

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)]