Question

我有一个numpy形状的数组（？，n）代表一个n维向量的向量。

我想找到最频繁的一行。

到目前为止，似乎最好的方法是迭代所有条目并存储一个计数，但是numpy或scipy没有内置任务来执行此任务似乎很淫秽。

Answer 1

这是一种使用NumPy views的方法，应该非常有效 -

def mode_rows(a):
    a = np.ascontiguousarray(a)
    void_dt = np.dtype((np.void, a.dtype.itemsize * np.prod(a.shape[1:])))
    _,ids, count = np.unique(a.view(void_dt).ravel(), \
                                return_index=1,return_counts=1)
    largest_count_id = ids[count.argmax()]
    most_frequent_row = a[largest_count_id]
    return most_frequent_row

示例运行 -

In [45]: # Let's have a random arrayb with three rows(2,4,8) and two rows(1,7)
    ...: # being duplicated. Thus, the most freequent row must be 2 here.
    ...: a = np.random.randint(0,9,(9,5))
    ...: a[4] = a[8]
    ...: a[2] = a[4]
    ...: 
    ...: a[1] = a[7]
    ...: 

In [46]: a
Out[46]: 
array([[8, 8, 7, 0, 7],
       [7, 8, 2, 6, 1],
       [2, 2, 5, 7, 6],
       [6, 5, 8, 8, 5],
       [2, 2, 5, 7, 6],
       [5, 7, 3, 6, 3],
       [2, 8, 7, 2, 0],
       [7, 8, 2, 6, 1],
       [2, 2, 5, 7, 6]])

In [47]: mode_rows(a)
Out[47]: array([2, 2, 5, 7, 6])

Answer 2

numpy_indexed包（dsiclaimer：我是它的作者）具有完全相同的功能，适用于任意数量的维度：

import numpy_indexed as npi
row = npi.mode(arr)

在幕后，它就像Divakar在算法和复杂性方面的解决方案，还有一些花里胡哨的东西;看到＆＃39;权重＆＃39;和＆＃39; return_indices＆＃39; kwargs。

Answer 3

如果您能够使用Pandas，这是一种方法，它大量使用this answer：

import numpy as np
import pandas as pd

# generate sample data
ncol = 5
nrow = 20000
matrix = np.random.randint(0,ncol,ncol*nrow).reshape(nrow,ncol)
df = pd.DataFrame(matrix)

df.head()
   0  1  2  3  4
0  3  0  4  4  4
1  4  0  0  2  0
2  3  3  2  0  0
3  0  3  4  3  3
4  1  1  3  3  3

# count duplicated rows
(df.groupby(df.columns.tolist())
   .size()
   .sort_values(ascending=False))

输出：

0  1  2  3  4
4  2  2  1  1    17
2  2  4  2  3    16
3  2  1  2  2    15
   1  2  4  3    15
                 ..
4  1  3  0  1     1
1  2  3  0  4     1

最常见的行是此输出的第一行。频率计数是最右边的列。

找到最常用的向量矩阵或模式 - Python / NumPy

3 个答案: