Question

背景：这个问题进一步解决了this other thread中的问题。

假设我有一个2D数组，其中列被分成几组。为简单起见，我们可以假设数组包含int值，如下所示：

np.random.randint(3,size=(2,10))   

# Column indices:
#       0  1  2  3  4  5  6  7  8  9                     
array([[0, 2, 2, 2, 1, 1, 0, 1, 1, 2],
       [1, 1, 0, 1, 1, 0, 2, 1, 1, 0]])

作为列索引分区的示例，我们可以选择以下内容：

# Partitioning the column indices of the previous array:

my_partition['first']  = [0,1,2]
my_partition['second'] = [3,4]
my_partition['third']  = [5,6,7]
my_partition['fourth'] = [8, 9]

我想找到具有相同值的列的列索引集合。在上面的示例中，这些组的一些示例将是：

# The following sets include indices for a common column vector with values [2,0]^T
group['a'] = ['first', 'fourth'] 

# The following sets include indices for a common column vector with values [1,1]^T
group['b'] = ['second', 'third', 'fourth']

我感兴趣的是这个问题的解决方案适用于包含真实值的数组（例如，值1.0/2和1.0/2是相同的，即{{1} } return 1.0/2 == 1.0/2）。

我知道浮动精度的潜在限制，所以我只是分两步处理这个问题：

如果值相同，则假设两列相同
假设如果值彼此接近，则两列相同（例如，矢量差异低于阈值）

我试图在前一个帖子中概括解决方案，但我不确定它是否可以直接应用。我认为它适用于第一个问题（列中完全相同的值），但我们可能需要“更大的船”用于第二个问题。

Answer 1

如果你想从列集合中创建一个集合式数据结构，这里有一种方法（我确信有更有效的方法可以获得更大的数据）：

group = {}
for i in range(array.shape[1]):
    tup = tuple(array[:,i])
    if tup in group.keys():
        group[tup].append(i)
    else:
        group[tup] = [i]

为array的例子执行了：

In [132]: group
Out[132]:
{(0, 1): [0],
 (0, 2): [6],
 (1, 0): [5],
 (1, 1): [4, 7, 8],
 (2, 0): [2, 9],
 (2, 1): [1, 3]}

由于numpy.ndarray（如list）不可用，因此这些列本身不能用作dict密钥。我选择只使用tuple - 相当于列，但还有很多其他选择。

另外，我假设在list中需要group列索引。如果确实如此，您可以考虑使用defaultdict而不是常规dict。但是您也可以使用许多其他容器来存储列索引。

<强>更新

我相信我更清楚问题是什么：给定一组预先定义的列的任意集合，如何确定任何两个给定的组是否包含一个共同的列。

如果我们假设您已在上面的答案中构建了类似于集合的结构，则可以将这两个组放在一起，查看它们的组成列，并询问是否有任何列最终位于set字典的同一部分中：

假设我们定义：

my_partition['first']  = [0,1,2]
my_partition['second'] = [3,4]
my_partition['third']  = [5,6,7]
my_partition['fourth'] = [8, 9]

# Define a helper to back-out the column that serves as a key for the set-like structure.
# Take 0th element, column index should only be part of one subset.
get_key = lambda x: [k for k,v in group.iteritems() if x in v][0]

# use itertools
import itertools

# Print out the common columns between each pair of groups.
for pair_x, pair_y in itertools.combinations(my_partition.keys(), 2):
    print pair_x, pair_y, (set(map(get_key, my_partition[pair_x])) &
                           set(map(get_key, my_partition[pair_y])))

每当这不是空集时，就意味着两个组之间的某些列是相同的。

执行您的问题：

In [163]: for pair_x, pair_y in itertools.combinations(my_partition.keys(), 2):
    print pair_x, pair_y, set(map(get_key, my_partition[pair_x])) & set(map(get_key, my_partition[pair_y]))
   .....:
second fourth set([(1, 1)])
second third set([(1, 1)])
second first set([(2, 1)])
fourth third set([(1, 1)])
fourth first set([(2, 0)])
third first set([])

查找重叠的列/行集

1 个答案: