NumPy - 查找唯一行

在 NumPy 数组中查找唯一行

在 NumPy 中，数组可以包含多行数据，有时您可能希望识别唯一行，即它们在数组中只出现一次。查找唯一行涉及根据行内容确定哪些行与其他行不同。

在 NumPy 中，我们可以使用 unique() 函数实现此目的。

使用 union1d() 函数

np.unique() 函数通常用于查找数组中的唯一元素。当与 axis 参数一起使用时，它可以用于查找唯一行。语法如下:

numpy.unique(a, axis=None, return_index=False, return_inverse=False, return_counts=False)

其中:

• a - 为输入数组。
• axis - 为查找唯一值的轴。对于行，设置为 0。
• return_index − 决定是否返回第一次出现的索引。
• return_inverse − 决定是否返回可以重建数组的索引。
• return_counts − 决定是否返回唯一值的计数。

示例:在一维数组中查找唯一元素

np.unique() 函数最简单的用法是在一维数组中查找唯一元素 −

import numpy as np

# 定义一个包含重复值的一维数组
array = np.array([1, 2, 2, 3, 4, 4, 5])

# 查找唯一元素
unique_elements = np.unique(array)

print("唯一元素:
", unique_elements)

以下是得到的输出 −

唯一元素:
[1 2 3 4 5]

示例:二维数组中的唯一行

在下面的示例中，我们使用 unique() 函数检索二维数组中的唯一行，并删除所有重复行 −

import numpy as np

# 定义包含重复行的数组
array = np.array([
    [1, 2, 3],
    [4, 5, 6],
    [1, 2, 3],
    [7, 8, 9]
])

# 查找唯一行
unique_rows = np.unique(array, axis=0)

print("唯一行:
", unique_rows)

这将产生以下结果 -

唯一行:
[[1 2 3]
[4 5 6]
[7 8 9]]

使用索引查找唯一行

我们可以在 NumPy 中通过将 unique() 函数中的 return_index 参数设置为 True 来查找原始数组中唯一行的索引。

示例

在此示例中，我们使用 unique() 函数查找唯一行及其索引 -

导入numpy as np

# 定义一个包含重复行的数组
array = np.array([
    [1, 2, 3],
    [4, 5, 6],
    [1, 2, 3],
    [7, 8, 9]
])

# 查找唯一行及其索引
unique_rows, indices = np.unique(array, axis=0, return_index=True)

print("唯一行:
", unique_rows)
print("唯一行的索引:
", indices)

以下是上述代码的输出 -

唯一行:
[[1 2 3]
[4 5 6]
[7 8 9]]
唯一行的索引:
[0 1 3]

重建原始数组

如果需要根据唯一行重建原始数组，可以使用 np.unique() 函数返回的索引，并将 return_inverse 参数设置为 True。逆索引可用于从唯一值映射回原始数据。

示例

在本例中，我们使用 unique() 函数识别 NumPy 数组中的唯一行及其原始索引。然后，我们使用这些索引重建数组，以验证唯一行是否与原始数组匹配且不包含重复项 -

import numpy as np

# 定义包含重复行的数组
array = np.array([
    [1, 2, 3],
    [4, 5, 6],
    [1, 2, 3],
    [7, 8, 9]
])

# 查找唯一行及其索引
unique_rows, indices = np.unique(array, axis=0, return_index=True)

# 使用索引重建原始数组
reconstructed_array = array[np.sort(indices)]

print("重建后的数组:
", reconstructed_array)

输出结果如下 -

重建后的数组:
[[1 2 3]
[4 5 6]
[7 8 9]]

计算唯一行

除了查找唯一行之外，您可能还想计算每个唯一行在数组中出现的次数。在 NumPy 中，您可以通过在 unique() 函数中将 return_counts 参数设置为 True 来实现此目的。

这在处理多维数组(其中每一行代表一条记录或观察值)时尤其有用。

示例

在以下示例中，我们使用 unique() 函数检索原始数组中每个唯一行的计数 -

import numpy as np

# 定义包含重复行的数组
array = np.array([
    [1, 2, 3],
    [4, 5, 6],
    [1, 2, 3],
    [7, 8, 9]
])

# 查找唯一行及其计数
unique_rows, counts = np.unique(array, axis=0, return_counts=True)

print("唯一行数:
", unique_rows)
print("每行计数:
", counts)

执行上述代码后，我们得到以下输出 -

唯一行数:
[[1 2 3]
[4 5 6]
[7 8 9]]
每行计数:
[2 1 1]

多维数组

对于多维数组，您可以使用 np.unique() 函数通过将 axis 参数设置为 0 来查找唯一行。要处理所有维度上的唯一值，您可以使用默认设置。

示例

在下面的示例中，我们将三维数组展平为二维数组，然后使用 unique() 函数查找唯一行 -

import numpy as np

# 定义三维数组
array = np.array([
    [[1, 2], [3, 4]],
    [[1, 2], [5, 6]],
    [[1, 2], [3, 4]]
])

# 将三维数组展平为二维数组，以检查唯一性
array_2d = array.reshape(-1, array.shape[-1])

# 在展平后的数组中查找唯一行
unique_rows = np.unique(array_2d, axis=0)

print("三维数组中的唯一行:
", unique_rows)

结果如下 −

三维数组中的唯一行:
[[1 2]
 [3 4]
 [5 6]]