在每一行中查找唯一值

Question

我有一个字符串大小为 2 的数组，并希望在每一行中获取唯一的字符串。

np.__version__
# '1.19.2'
arr = np.array([['Z7', 'Q4', 'Q4'], # 2 unique strings
                ['Q4', 'Z7', 'Q4'], # 2 unq strings
                ['Q4', 'Z7', 'Z7'], # 2 unq strings
                ['Z7', 'Z7', 'Q4'], # 2 unq strings
                ['D8', 'D8', 'L1'], # 2 unq strings
                ['L1', 'L1', 'D8']], dtype='<U2') # 2 unq strings

保证每一行都包含相同数量的唯一字符串，即每行都有相同数量的唯一字符串，在我的例子中是 2。

预期输出：

array([['Q4', 'Z7'],
       ['Q4', 'Z7'],
       ['Q4', 'Z7'],
       ['Q4', 'Z7'],
       ['D8', 'L1'],
       ['D8', 'L1']], dtype='<U2')

在这里，每一行都已排序，但并非必须如此。两种方式都可以。

我的代码：

np.apply_along_axis(np.unique, 1, arr)

# array([['Q4', 'Z7'],
#        ['Q4', 'Z7'],
#        ['Q4', 'Z7'],
#        ['Q4', 'Z7'],
#        ['D8', 'L1'],
#        ['D8', 'L1']], dtype='<U2')

我认为在轴 1 上的 np.unique 会给出预期的结果，但是

np.unique(arr, axis=1)
# array([['Q4', 'Q4', 'Z7'],
#        ['Q4', 'Z7', 'Q4'],
#        ['Z7', 'Z7', 'Q4'],
#        ['Q4', 'Z7', 'Z7'],
#        ['L1', 'D8', 'D8'],
#        ['D8', 'L1', 'L1']], dtype='<U2')

我不明白到底发生了什么以及为什么它返回了这个确切的输出。

Answer 1

这是因为 numpy.unique 将行或列子数组展平，然后返回唯一的行（axis = 0）或列（axis = 1），而不是唯一值本身。看看这个例子：

a = np.array([[1, 0, 0], [1, 0, 0], [2, 3, 4]])
np.unique(a, axis=0)

输出是：

array([[1, 0, 0], [2, 3, 4]])

和

b = np.array([[1, 1, 0], [1, 1, 0], [2, 2, 4]])
np.unique(b, axis=1)

输出是：

array([[0, 1],
       [0, 1],
       [4, 2]])

在您的情况下，您需要每行本身的唯一值，因此应该像您已经实现的那样应用 along_axis 命令。 axis = 1 的作用不大，因为您的列都是唯一的，并且只显示一些排序。

Answer 2

np.unique的文档，在axis参数的描述中， 包含以下语句：

...由给定轴索引的子数组将被展平，视为一维数组的元素

所以如果你调用 np.unique，传递 axis=1，那么：

• 每个列都被展平（因为每列都包含“原子” 值，没有任何反应）。
• 在结果列表中查找唯一元素 （列列表）。如果 2 列是一样的，那么只有 其中一个会被保留。
• 结果可能以更改的顺序显示（这是 内部实现细节。

解释一下为什么每个column（不是row）：轴“1”实际上是“columns”。

为了确认在这种情况下每个列都是进程对象， 将源数组定义为：

arr_2 = np.array([['Z7', 'Q4', 'Q4', 'Q4'],
                  ['Q4', 'Z7', 'Q4', 'Q4'],
                  ['Q4', 'Z7', 'Z7', 'Z7'],
                  ['Z7', 'Z7', 'Q4', 'Q4'],
                  ['D8', 'D8', 'L1', 'L1'],
                  ['L1', 'L1', 'D8', 'D8']])

最后两列是一样的。

当你执行np.unique(arr_2, axis=1)时，结果会 一样。最后两个列完全相同， 所以其中一个已经被淘汰了。