Преобразовать numpy.array в порядок элементов, если присутствуют повторяющиеся значения

Я ищу эффективный способ сделать следующее:

Если мой вклад:

np.array([9,0,1,0,3,0])

Я хочу, чтобы мой вывод был:

np.array([0,3,2,3,1,3]) # 9 is the highest, so it gets rank 0
                        # 3 is the second highest, so it gets rank 1
                        # 1 is third highest, so it gets rank 2
                        # 0's are forth highest so they get rank 3

Я пытаюсь применить следующее к 2D-матрице:

Входные данные:

a = np.array([[9,0,1,0,3,0],
              [0,1,2,3,4,5],
              [0.01,0.3,2,100,1,1],
              [0,0,0,0,1,1],
              [4,4,4,4,4,4]])

Выход:

>>> get_order_array(a)
array([[0, 3, 2, 3, 1, 3],
       [5, 4, 3, 2, 1, 0],
       [4, 3, 1, 0, 2, 2],
       [1, 1, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0]])

Я могу достичь вышеизложенного с помощью следующего решения; Однако я чувствую, что это очень неэффективно, поэтому я надеялся, что кто-то может предложить лучший способ достижения моей цели.

def get_order(x):
    unique_x = np.unique(x)
    step_1 = np.argsort(unique_x)[::-1]
    temp_dict = dict(zip(unique_x, step_1))
    return np.vectorize(temp_dict.get)(x)

def get_order_array(x):
    new_array = np.empty(x.shape, dtype=np.int)
    for i in xrange(x.shape[0]):
        new_array[i] = get_order(x[i])
    return new_array
Источник

3 ответа

Решение

Ответ @ Хайме отличный (как обычно!). Вот альтернатива, используя scipy.stats.rankdata,

В rankdata терминология, вы хотите "плотный" рейтинг. Вы также хотите ранжировать значения в обратном порядке, чем обычно. Чтобы выполнить обратный заказ, мы передадим -a в rankdata, Мы также вычтем 1 из ранжирования, чтобы ранги начинались с 0 вместо 1. Наконец, вы хотите ранжировать строки двумерного массива. rankdata работает с одномерными данными, поэтому нам придется перебирать строки.

Вот код:

import numpy as np
from scipy.stats import rankdata


def get_order_array(a):
    b = np.empty(a.shape, dtype=int)
    for k, row in enumerate(a):
        b[k] = rankdata(-row, method='dense') - 1
    return b


if __name__ == "__main__":    
    a = np.array([[9,0,1,0,3,0],
                  [0,1,2,3,4,5],
                  [0.01,0.3,2,100,1,1],
                  [0,0,0,0,1,1],
                  [4,4,4,4,4,4]])
    print get_order_array(a)

Выход:

[[0 3 2 3 1 3]
 [5 4 3 2 1 0]
 [4 3 1 0 2 2]
 [1 1 1 1 0 0]
 [0 0 0 0 0 0]]
Источник

Немного cumsum магия проходит долгий путь:

a_idx = np.argsort(a, axis=-1)[:, ::-1]
a_sorted = a[np.arange(a.shape[0])[:, None], a_idx]
a_diff = np.zeros_like(a_sorted, dtype=np.bool)
a_diff[:, 1:] = a_sorted[:, :-1] != a_sorted[:, 1:]
a_sorted_ranks = np.cumsum(a_diff, axis=1)
a_ranks = a_sorted_ranks[np.arange(a_sorted_ranks.shape[0])[:, None],
                         np.argsort(a_idx, axis=1)]
>>> a_ranks
array([[0, 3, 2, 3, 1, 3],
       [5, 4, 3, 2, 1, 0],
       [4, 3, 1, 0, 2, 2],
       [1, 1, 1, 1, 0, 0],
       [0, 0, 0, 0, 0, 0]])
Источник

В принципе:

order = a.argsort(axis=1)
ranks = order.argsort(axis=1)

И нет, я не придумал этот умный ответ сам. Увидеть:

Ранжирование элементов в массиве с использованием Python/NumPy

Там вы также найдете рецепт, если хотите иметь одинаковый ранг для тех же номеров. (Этот дает последовательные ранги, если есть повторяющиеся номера.)

Источник
Другие вопросы по тегам