Skip to main content
 首页 » 编程设计

PYTHON:如何合并相等元素的numpy数组

2025年02月15日9yyy_WW

我想合并一个数组中的两个相等元素,假设我有一个这样的数组

np.array([[0,1,1,2,2], 
          [0,1,1,2,2], 
          [0,2,2,2,2]]) 

如果我指挥得当,我想制作这样的东西

np.array([[0,0,2,0,4], 
          [0,0,2,0,4], 
          [0,0,4,0,4]]) 

如果我要向上移动,这就是

np.array([[0,2,2,4,4], 
          [0,0,0,0,0], 
          [0,2,2,2,2]]) 

我当前的代码只是循环遍历一个普通列表

    for i in range(4): 
     for j in range(3): 
         if mat[i][j]==matrix[i][j+1] and matrix[i][j]!=0: 
             matrix[i][j]*=2 
             matrix[i][j+1]=0 

如果可能的话,我更喜欢 numpy 和没有循环

请您参考如下方法:

如果没有循环,这个任务看似很难完成!你需要一堆高级 numpy 技巧才能让它工作。我在这里浏览了它们,但我会尽可能链接到其他资源。

来自 here ,进行逐行比较的最佳方法是:

a = np.array([[0,1,1,2,2], 
              [0,1,1,2,2], 
              [0,2,2,2,2]]) 
 
b = np.ascontiguousarray(a).view(np.dtype((np.void, a.dtype.itemsize * a.shape[1]))) 
 
b 
 
array([[[0 0 0 0 1 0 0 0 1 0 0 0 2 0 0 0 2 0 0 0]], 
       [[0 0 0 0 1 0 0 0 1 0 0 0 2 0 0 0 2 0 0 0]], 
       [[0 0 0 0 2 0 0 0 2 0 0 0 2 0 0 0 2 0 0 0]]],  
       dtype='|V20') 
 
b.shape 
(3, 1) 

请注意,最里面的括号不是额外的维度,而是一个 np.void 对象,可以与类似 np.unique 的对象进行比较.

尽管如此,获取您想要保留的索引并不是一件容易的事,但这里是单行代码:

c = np.flatnonzero(np.r_[1, np.diff(np.unique(b, return_inverse = 1)[1])]) 

哎呀。有点乱。基本上你正在寻找线条变化的索引,以及第一行。通常你不需要 np.unique 调用,可以只做 np.diff(b),但你不能减去 np.void。 np.r_ 是 np.concatenate 的快捷方式,可读性更强。 np.flatnonzero 为您提供新数组不为零的索引(即您要保留的索引)

c 
array([0, 2], dtype=int32) 

好了,现在你可以使用一些奇特的东西了 ufunc.reduceat数学来做你的加法:

d = np.add.reduceat(a, c, axis = 0) 
 
d 
 
array([[0, 2, 2, 4, 4], 
       [0, 2, 2, 2, 2]], dtype=int32) 

好的,现在要添加零,我们只需使用 advanced indexing 将其插入 np.zero 数组即可。

e = np.zeros_like(a) 
e[c] = d 
e 
 
array([[0, 2, 2, 4, 4], 
       [0, 0, 0, 0, 0], 
       [0, 2, 2, 2, 2]]) 

我们开始吧!您可以通过在开始和结束处转置或翻转矩阵来朝其他方向前进。

def reduce_duplicates(a): 
    b = np.ascontiguousarray(a).view(np.dtype((np.void, a.dtype.itemsize * a.shape[1]))) 
    c = np.flatnonzero(np.r_[1, np.diff(np.unique(b, return_inverse = 1)[1])]) 
    d = np.add.reduceat(a, c, axis = 0) 
    e = np.zeros_like(a) 
    e[c] = d 
    return e 
 
reduce_duplicates(a.T[::-1,:])[::-1,:].T  #reducing right 
 
array([[0, 0, 2, 0, 4], 
       [0, 0, 2, 0, 4], 
       [0, 0, 4, 0, 4]]) 

我没有 numba 所以我无法根据其他建议测试速度(知道 numba 它可能更慢),但它是无环和 numpy 的。