如何以向量化的方式在特定轴上找到二维数组的唯一向量？

Question

我有一个形状数组(n,t)，我想将其视为n-vectors 的时间序列。

我想知道沿 t-dimension 存在的唯一 n-vector 值以及每个唯一向量的关联 t-indices。我很乐意使用任何合理的平等定义（例如 numpy.unique 将采用浮点数）

使用t 上的 Python 循环很容易，但我希望采用矢量化方法。

在某些特殊情况下，可以通过将 n-vectors 折叠成标量（并在一维结果上使用 numpy.unique）来完成，例如如果您有布尔值，则可以使用带有 (2**k) 向量的向量化 dot 将（布尔向量）转换为整数，但我正在寻找一个相当通用的解决方案。

Answer 1

如果你的数组的形状是 (t, n)——所以每个 n 向量的数据在内存中是连续的——你可以将二维数组的视图创建为一维结构化数组，然后在这个视图上使用 numpy.unique。

如果您可以更改数组的存储约定，或者如果您不介意制作转置数组的副本，那么这可能对您有用。

这是一个例子：

import numpy as np

# Demo data.
x = np.array([[1,2,3],
              [2,0,0],
              [1,2,3],
              [3,2,2],
              [2,0,0],
              [2,1,2],
              [3,2,1],
              [2,0,0]])

# View each row as a structure, with field names 'a', 'b' and 'c'.
dt = np.dtype([('a', x.dtype), ('b', x.dtype), ('c', x.dtype)])
y = x.view(dtype=dt).squeeze()

# Now np.unique can be used.  See the `unique` docstring for
# a description of the options.  You might not need `idx` or `inv`.
u, idx, inv = np.unique(y, return_index=True, return_inverse=True)

print("Unique vectors")
print(u)