subplot title python

numpy.unique con orden preservada

Question

[''b'',''b'',''b'',''a'',''a'',''c'',''c'']

numpy.unique da

[''a'',''b'',''c'']

¿Cómo puedo obtener la orden original preservada?

[''b'',''a'',''c'']

Grandes respuestas. Pregunta extra. ¿Por qué ninguno de estos métodos funciona con este conjunto de datos? http://www.uploadmb.com/dw.php?id=1364341573 Aquí está la pregunta numpy sort wierd behavior

Answer 1

Si desea eliminar entradas repetidas, como la herramienta unix de Unix, esta es una solución:

def uniq(seq):
  """
  Like Unix tool uniq. Removes repeated entries.
  :param seq: numpy.array
  :return: seq
  """
  diffs = np.ones_like(seq)
  diffs[1:] = seq[1:] - seq[:-1]
  idx = diffs.nonzero()
  return seq[idx]

Answer 2

Si está tratando de eliminar la duplicación de un iterable ya ordenado, puede usar la función itertools.groupby :

>>> from itertools import groupby
>>> a = [''b'',''b'',''b'',''a'',''a'',''c'',''c'']
>>> [x[0] for x in groupby(a)]
[''b'', ''a'', ''c'']

Esto funciona más como el comando ''uniq'' de unix, porque asume que la lista ya está ordenada. Cuando lo intentes en una lista desordenada obtendrás algo como esto:

>>> b = [''b'',''b'',''b'',''a'',''a'',''c'',''c'',''a'',''a'']
>>> [x[0] for x in groupby(b)]
[''b'', ''a'', ''c'', ''a'']

Answer 3

Use la funcionalidad np.unique de np.unique . Eso devuelve los índices a los que los elementos primero ocurrieron en la entrada. Entonces argsort esos índices.

>>> u, ind = np.unique([''b'',''b'',''b'',''a'',''a'',''c'',''c''], return_index=True)
>>> u[np.argsort(ind)]
array([''b'', ''a'', ''c''], 
      dtype=''|S1'')

Answer 4

unique() es lento, O (Nlog (N)), pero puede hacerlo siguiendo el siguiente código:

import numpy as np
a = np.array([''b'',''a'',''b'',''b'',''d'',''a'',''a'',''c'',''c''])
_, idx = np.unique(a, return_index=True)
print(a[np.sort(idx)])

salida:

[''b'' ''a'' ''d'' ''c'']

Pandas.unique() es mucho más rápido para la gran matriz O (N):

import pandas as pd

a = np.random.randint(0, 1000, 10000)
%timeit np.unique(a)
%timeit pd.unique(a)

1000 loops, best of 3: 644 us per loop
10000 loops, best of 3: 144 us per loop

Answer 5

a = [''b'',''b'',''b'',''a'',''a'',''c'',''c'']
[a[i] for i in sorted(np.unique(a, return_index=True)[1])]