Имам масив от точки по линия:
a = np.array([18, 56, 32, 75, 55, 55])
Имам друг масив, който съответства на индексите, които искам да използвам за достъп до информацията в (те винаги ще имат еднакви дължини). Нито един масив a
нито масив b
са сортирани.
b = np.array([0, 2, 3, 2, 2, 2])
Искам да се групирам a
в множество подмасиви, така че да е възможно следното:
c[0] -> array([18])
c[2] -> array([56, 75, 55, 55])
c[3] -> array([32])
Въпреки че горният пример е прост, аз ще бъдасправяне с милиони точки, затова се предпочитат ефикасни методи. Също така е важно по-късно, че всеки под-масив от точки може да се получи по този начин по-късно в програмата чрез автоматизирани методи.
Отговори:
4 за отговор № 1Ето един подход -
def groupby(a, b):
# Get argsort indices, to be used to sort a and b in the next steps
sidx = b.argsort(kind="mergesort")
a_sorted = a[sidx]
b_sorted = b[sidx]
# Get the group limit indices (start, stop of groups)
cut_idx = np.flatnonzero(np.r_[True,b_sorted[1:] != b_sorted[:-1],True])
# Split input array with those start, stop ones
out = [a_sorted[i:j] for i,j in zip(cut_idx[:-1],cut_idx[1:])]
return out
По-прост, но по-малко ефективен подход би бил да се използва np.split
да замените последните няколко реда и да получите изхода, така -
out = np.split(a_sorted, np.flatnonzero(b_sorted[1:] != b_sorted[:-1])+1 )
Примерно изпълнение -
In [38]: a
Out[38]: array([18, 56, 32, 75, 55, 55])
In [39]: b
Out[39]: array([0, 2, 3, 2, 2, 2])
In [40]: groupby(a, b)
Out[40]: [array([18]), array([56, 75, 55, 55]), array([32])]
За да получите под-масиви, обхващащи целия диапазон от идентификатори в b
-
def groupby_perID(a, b):
# Get argsort indices, to be used to sort a and b in the next steps
sidx = b.argsort(kind="mergesort")
a_sorted = a[sidx]
b_sorted = b[sidx]
# Get the group limit indices (start, stop of groups)
cut_idx = np.flatnonzero(np.r_[True,b_sorted[1:] != b_sorted[:-1],True])
# Create cut indices for all unique IDs in b
n = b_sorted[-1]+2
cut_idxe = np.full(n, cut_idx[-1], dtype=int)
insert_idx = b_sorted[cut_idx[:-1]]
cut_idxe[insert_idx] = cut_idx[:-1]
cut_idxe = np.minimum.accumulate(cut_idxe[::-1])[::-1]
# Split input array with those start, stop ones
out = [a_sorted[i:j] for i,j in zip(cut_idxe[:-1],cut_idxe[1:])]
return out
Примерно изпълнение -
In [241]: a
Out[241]: array([18, 56, 32, 75, 55, 55])
In [242]: b
Out[242]: array([0, 2, 3, 2, 2, 2])
In [243]: groupby_perID(a, b)
Out[243]: [array([18]), array([], dtype=int64),
array([56, 75, 55, 55]), array([32])]