Python - 选择模式时随机打破关系答案

【问题标题】：Python - Randomly breaking ties when choosing a modePython - 选择模式时随机打破关系
【发布时间】：2020-07-08 16:10:09
【问题描述】：

scipy.stats.modeworks great，但我需要随机断开模态联系。

import numpy as np
import scipy.stats as stats

a = np.array([[3, 3, 4], 
              [3, 1, 0], 
              [4, 5, 0], 
              [4, 3, 0]])

stats.mode(a, axis=0)

Out[37]: ModeResult(mode=array([[3, 3, 0]]), count=array([[2, 2, 3]]))

对于第一个结果（列），scipy.stats.mode 在并列的候选 3 和 4 中选择 3，as follows：

如果有多个这样的值，则只返回最小的。

所以在 3 和 4 中，它选择了 3，因为它是最小的。我想在 3 和 4 中随机选择，但 scipy.stats.mode 没有带回足够的信息让我这样做。有没有使用numpy 或不错的替代方法的好方法？

【问题讨论】：

标签： python numpy scipy

【解决方案1】：

如果有人想出更好的方法，我仍然会回答，但这是我冗长的临时解决方案，它只是对 scipy.stats.mode 源代码的错误。唯一重要的修改是在for ind in inds 循环中，我使用np.where 带回所有具有相同最大计数的索引，并从中随机选择索引。

from collections import namedtuple
ModeResult = namedtuple('ModeResult', ('mode', 'count'))
def mode_rand(a, axis):
    in_dims = list(range(a.ndim))
    a_view = np.transpose(a, in_dims[:axis] + in_dims[axis+1:] + [axis])

    inds = np.ndindex(a_view.shape[:-1])
    modes = np.empty(a_view.shape[:-1], dtype=a.dtype)
    counts = np.zeros(a_view.shape[:-1], dtype=np.int)

    for ind in inds:
        vals, cnts = np.unique(a_view[ind], return_counts=True)
        maxes = np.where(cnts == cnts.max())  # Here's the change
        modes[ind], counts[ind] = vals[np.random.choice(maxes[0])], cnts.max()

    newshape = list(a.shape)
    newshape[axis] = 1
    return ModeResult(modes.reshape(newshape), counts.reshape(newshape))

mode_rand(a, axis=0)

【讨论】：

【解决方案2】：

对于一种高效的方法，这里有一个numba 替代方案：

from numba import njit, int32

@njit
def mode_rand_ties(a):
    out = np.zeros(a.shape[1], dtype=int32)
    for col in range(a.shape[1]):
        z = np.zeros(a[:,col].max()+1, dtype=int32)
        for v in a[:,col]:
            z[v]+=1
        maxs = np.where(z == z.max())[0]
        out[col] = np.random.choice(maxs)
    return out

在上面测试数组的地方，通过多次运行，我们可以看到我们可以得到3 或4 作为第一列的模式：

mode_rand_ties(a)
# array([4, 3, 0], dtype=int32)

mode_rand_ties(a)
# array([3, 3, 0], dtype=int32)

通过检查(4000, 3) 形状阵列的性能，我们发现它只需要大约 40us：

x = np.concatenate([a]*1000, axis=0)
%timeit mode_rand_ties(x)
# 41.1 µs ± 13.2 µs per loop (mean ± std. dev. of 7 runs, 1 loop each)

而目前的解决方案：

%timeit mode_rand(x, axis=0)
# 388 µs ± 23.2 µs per loop (mean ± std. dev. of 7 runs, 1000 loops each)

【讨论】：