python 3 x n 数组中最常见的索引对答案

【问题标题】：python most common pair of indices in 3 x n arraypython 3 x n 数组中最常见的索引对
【发布时间】：2017-12-14 09:59:34
【问题描述】：

我有一个形状为 (3, 600219) 的 numpy 数组，它是一个索引列表。

即

array([[   0,    0,    0, ..., 2879, 2879, 2879],
       [  40,   40,   40, ...,  162,  165,  168],
       [ 249,  250,  251, ...,  195,  196,  198]])

第一行是时间索引，第二行和第三行是坐标索引。我试图找出最常出现的坐标对，不考虑时间。

例如是 (49,249) 还是 (40,250)...等等？

【问题讨论】：

您可以在 O(N^2) 中执行此操作，方法是在每根绳子上进行操作并询问它在数组中出现的次数。或者您可以对数组进行排序，而不是搜索绳索，在 O(N*log(N)) 中完成这项工作，但它有点复杂。
你知道最大坐标尺寸吗？

标签： python arrays sorting numpy weather

【解决方案1】：

我只是使用了你的一小部分数据，但我想你会明白的：

import numpy as np

array = np.array([[   0,    0,    0, 2879, 2879, 2879],
       [  40,   40,   40, 162,  165,  168],
       [ 249,  250,  251, 195,  196,  198]])

# Zip together only the second and third rows
only_coords = zip(array[1,:], array[2,:])

from collections import Counter

Counter(only_coords).most_common()

生产：

Out[11]: 
[((40, 249), 1),
 ((165, 196), 1),
 ((162, 195), 1),
 ((168, 198), 1),
 ((40, 251), 1),
 ((40, 250), 1)]

【讨论】：

在压缩行上调用 list() 似乎非常多余，因为在 python2 zip 中已经输出了一个列表，而在 python3 zip 返回一个可与 Counter 一起正常工作的迭代器，并且内存更多在大型数据集的情况下特别友好

【解决方案2】：

这是一种矢量化方法 -

IDs = a[1].max()+1 + a[2]
unq, idx, count = np.unique(IDs, return_index=1,return_counts=1)
out = a[1:,idx[count.argmax()]]

如果可能存在负坐标，请使用a[1].max()-a[1].min()+1 + a[2] 计算IDs。

示例运行 -

In [44]: a
Out[44]: 
array([[8, 3, 6, 6, 8, 5, 1, 6, 6, 5],
       [5, 2, 1, 1, 5, 1, 5, 1, 1, 4],
       [8, 2, 3, 3, 8, 1, 7, 3, 3, 3]])

In [47]: IDs = a[1].max()+1 + a[2]

In [48]: unq, idx, count = np.unique(IDs, return_index=1,return_counts=1)

In [49]: a[1:,idx[count.argmax()]]
Out[49]: array([1, 3])

【讨论】：

【解决方案3】：

这可能看起来有点抽象，但您可以尝试将每个坐标保存为一个数字，例如[2,1] = 2.1。并将您的数据放入这些坐标的列表中。例如，第 2 行 [1,1,2] 和第 3 行 [2,2,1] 将是 [1.2, 1.2, 2.1] 您可以使用以下代码：

from collections import Counter
list1=[1.2,1.2,2.1]
data = Counter(list1)
print (data.most_common(1))  # Returns the highest occurring item

它会打印最常见的数字，以及它出现的次数，然后如果您需要在代码中使用它，您可以简单地将数字转换回坐标。

【讨论】：

【解决方案4】：

这是一个计算示例代码：

import numpy as np
import collections

a = np.array([[0, 1, 2, 3], [10, 10, 30 ,40], [25, 25, 10, 50]])
# You don't care about time
b = np.transpose(a[1:])

# convert list items to tuples
c = map(lambda v:tuple(v), b)
collections.Counter(c)

输出：

Counter({(10, 25): 2, (30, 10): 1, (40, 50): 1})

【讨论】：