Удаление повторяющихся столбцов и строк из 2D-массива NumPy

Я использую массив 2D-формы для хранения пар долгот+широт. В какой-то момент я должен объединить два из этих 2D-массивов, а затем удалить любую дублированную запись. Я искал функцию, похожую на numpy.уникальный, но мне не повезло. Любая реализация я думая о выглядит очень "unoptimizied". Например, я пытаюсь преобразовать массив в список кортежей, удалить дубликаты с помощью set, а затем снова преобразовать в массив:

coordskeys = np.array(list(set([tuple(x) for x in coordskeys])))

там любые существующие решения, поэтому я не изобретаю колесо?

чтобы было понятно, я ищу:

>>> a = np.array([[1, 1], [2, 3], [1, 1], [5, 4], [2, 3]])
>>> unique_rows(a)
array([[1, 1], [2, 3],[5, 4]])

кстати, я хотел использовать только список кортежей для него, но списки были настолько большими, что они потребляли мой 4GB RAM + 4GB swap (массивы numpy более эффективны для памяти).

20
duplicate-removal numpy python scipy

6 ответов

вот одна идея, это займет немного работы, но может быть довольно быстро. Я дам вам случай 1d и позволю вам выяснить, как расширить его до 2d. Следующая функция находит уникальные элементы массива 1d:

import numpy as np
def unique(a):
    a = np.sort(a)
    b = np.diff(a)
    b = np.r_[1, b]
    return a[b != 0]

Теперь, чтобы расширить его до 2d, вам нужно изменить две вещи. Вам нужно будет выяснить, как сделать сортировку самостоятельно, важная вещь о сортировке будет заключаться в том, что две идентичные записи заканчиваются рядом друг с другом. Во-вторых, вам нужно что-то делать как (b != 0).all(axis) потому что вы хотите сравнить всю строку/столбец. Дай мне знать, если этого будет достаточно, чтобы начать.

обновлено: с некоторой помощью с Дагом, я думаю, что это должно работать для 2d-случая.

import numpy as np
def unique(a):
    order = np.lexsort(a.T)
    a = a[order]
    diff = np.diff(a, axis=0)
    ui = np.ones(len(a), 'bool')
    ui[1:] = (diff != 0).any(axis=1) 
    return a[ui]
17

Это должно сделать трюк:

def unique_rows(a):
    a = np.ascontiguousarray(a)
    unique_a = np.unique(a.view([('', a.dtype)]*a.shape[1]))
    return unique_a.view(a.dtype).reshape((unique_a.shape[0], a.shape[1]))

пример:

>>> a = np.array([[1, 1], [2, 3], [1, 1], [5, 4], [2, 3]])
>>> unique_rows(a)
array([[1, 1],
       [2, 3],
       [5, 4]])
31

мой метод заключается в превращении 2d-массива в 1D-сложный массив, где реальная часть-1-й столбец, мнимая часть-2-й столбец. Затем используйте НП.уникальный. Хотя это будет работать только с 2 колонок.

import numpy as np 
def unique2d(a):
    x, y = a.T
    b = x + y*1.0j 
    idx = np.unique(b,return_index=True)[1]
    return a[idx]

пример

a = np.array([[1, 1], [2, 3], [1, 1], [5, 4], [2, 3]])
unique2d(a)
array([[1, 1],
       [2, 3],
       [5, 4]])
5
>>> import numpy as NP
>>> # create a 2D NumPy array with some duplicate rows
>>> A
    array([[1, 1, 1, 5, 7],
           [5, 4, 5, 4, 7],
           [7, 9, 4, 7, 8],
           [5, 4, 5, 4, 7],
           [1, 1, 1, 5, 7],
           [5, 4, 5, 4, 7],
           [7, 9, 4, 7, 8],
           [5, 4, 5, 4, 7],
           [7, 9, 4, 7, 8]])

>>> # first, sort the 2D NumPy array row-wise so dups will be contiguous
>>> # and rows are preserved
>>> a, b, c, d, e = A.T    # create the keys for to pass to lexsort
>>> ndx = NP.lexsort((a, b, c, d, e))
>>> ndx
    array([1, 3, 5, 7, 0, 4, 2, 6, 8])
>>> A = A[ndx,]

>>> # now diff by row
>>> A1 = NP.diff(A, axis=0)
>>> A1
    array([[0, 0, 0, 0, 0],
           [4, 3, 3, 0, 0],
           [0, 0, 0, 0, 0],
           [0, 0, 0, 1, 0],
           [0, 0, 1, 0, 0],
           [2, 5, 0, 2, 1],
           [0, 0, 0, 0, 0],
           [0, 0, 0, 0, 0]])

>>> # the index array holding the location of each duplicate row
>>> ndx = NP.any(A1, axis=1)  
>>> ndx
    array([False,  True, False,  True,  True,  True, False, False], dtype=bool)  

>>> # retrieve the duplicate rows:
>>> A[1:,:][ndx,]
    array([[7, 9, 4, 7, 8],
           [1, 1, 1, 5, 7],
           [5, 4, 5, 4, 7],
           [7, 9, 4, 7, 8]])
3

на numpy_indexed пакет (отказ от ответственности: я его автор) обертывает решение, опубликованное user545424 в хорошем и проверенном интерфейсе, а также многие связанные с ним функции:

import numpy_indexed as npi
npi.unique(coordskeys)
3

так как вы ссылаетесь на numpy.уникальный, вы не заботитесь о поддержании первоначального порядка, правильно? преобразование в набор, который удаляет дубликат, а затем обратно в список часто используется идиома:

>>> x = [(1, 1), (2, 3), (1, 1), (5, 4), (2, 3)]
>>> y = list(set(x))
>>> y
[(5, 4), (2, 3), (1, 1)]
>>>
1