Làm thế nào để tìm các giá trị thường xuyên nhất trong ndarray numpy?

Question

Tôi có một mảng mờ với hình dạng (30,480,640), trục thứ 1 và thứ 2 đại diện cho vị trí (vĩ độ và kinh độ), trục thứ 0 chứa các điểm dữ liệu thực tế. Tôi muốn sử dụng giá trị thường xuyên nhất dọc theo trục 0 ở mỗi vị trí , để xây dựng một mảng mới có hình dạng (1.480.640) .ie:

>>> data 
array([[[ 0, 1, 2, 3, 4], 
     [ 5, 6, 7, 8, 9], 
     [10, 11, 12, 13, 14], 
     [15, 16, 17, 18, 19]], 

     [[ 0, 1, 2, 3, 4], 
     [ 5, 6, 7, 8, 9], 
     [10, 11, 12, 13, 14], 
     [15, 16, 17, 18, 19]], 

     [[40, 40, 42, 43, 44], 
     [45, 46, 47, 48, 49], 
     [50, 51, 52, 53, 54], 
     [55, 56, 57, 58, 59]]]) 

(perform calculation) 

>>> new_data 
array([[[ 0, 1, 2, 3, 4], 
     [ 5, 6, 7, 8, 9], 
     [10, 11, 12, 13, 14], 
     [15, 16, 17, 18, 19]]]) 

Điểm dữ liệu sẽ chứa số nổi âm và dương. Làm thế nào tôi có thể thực hiện các phép tính như vậy? Cảm ơn rất nhiều!

Tôi đã thử với numpy.unique, nhưng tôi nhận được "TypeError: unique() có đối số từ khóa không mong muốn 'return_inverse'" .Tôi đang sử dụng phiên bản 1.2.1 được cài đặt trên Unix và không hỗ trợ return_inverse. Tôi cũng đã thử chế độ, nhưng phải mất mãi mãi để xử lý số lượng lớn dữ liệu ... vậy có cách nào khác để có được các giá trị thường xuyên nhất không? Cảm ơn một lần nữa.

Answer 1

Để tìm giá trị thường gặp nhất của một mảng phẳng, sử dụng unique, bincount và argmax:

arr = np.array([5, 4, -2, 1, -2, 0, 4, 4, -6, -1]) 
u, indices = np.unique(arr, return_inverse=True) 
u[np.argmax(np.bincount(indices))] 

Để làm việc với một mảng đa chiều, chúng ta không cần phải lo lắng về unique, nhưng chúng tôi cần sử dụng apply_along_axis trên bincount:

arr = np.array([[5, 4, -2, 1, -2, 0, 4, 4, -6, -1], 
       [0, 1, 2, 2, 3, 4, 5, 6, 7, 8]]) 
axis = 1 
u, indices = np.unique(arr, return_inverse=True) 
u[np.argmax(np.apply_along_axis(np.bincount, axis, indices.reshape(arr.shape), 
           None, np.max(indices) + 1), axis=axis)] 

với dữ liệu của bạn:

data = np.array([ 
    [[ 0, 1, 2, 3, 4], 
    [ 5, 6, 7, 8, 9], 
    [10, 11, 12, 13, 14], 
    [15, 16, 17, 18, 19]], 

    [[ 0, 1, 2, 3, 4], 
    [ 5, 6, 7, 8, 9], 
    [10, 11, 12, 13, 14], 
    [15, 16, 17, 18, 19]], 

    [[40, 40, 42, 43, 44], 
    [45, 46, 47, 48, 49], 
    [50, 51, 52, 53, 54], 
    [55, 56, 57, 58, 59]]]) 
axis = 0 
u, indices = np.unique(arr, return_inverse=True) 
u[np.argmax(np.apply_along_axis(np.bincount, axis, indices.reshape(arr.shape), 
           None, np.max(indices) + 1), axis=axis)] 
array([[ 0, 1, 2, 3, 4], 
     [ 5, 6, 7, 8, 9], 
     [10, 11, 12, 13, 14], 
     [15, 16, 17, 18, 19]]) 

---

NumPy 1.2, thực sự? Bạn có thể xấp xỉ np.unique(return_inverse=True) một cách hợp lý có hiệu quả sử dụng np.searchsorted (nó là một O bổ sung (n log n), vì vậy không nên thay đổi hiệu suất đáng kể):

u = np.unique(arr) 
indices = np.searchsorted(u, arr.flat) 

Answer 2

flatten mảng của bạn, sau đó tạo một collections.Counter từ đó. Như thường lệ, hãy đặc biệt quan tâm khi so sánh các số dấu phẩy động.

Answer 3

chức năng Sử dụng chế độ scipy của:

import numpy as np 
from scipy.stats import mode 

data = np.array([[[ 0, 1, 2, 3, 4], 
        [ 5, 6, 7, 8, 9], 
        [10, 11, 12, 13, 14], 
        [15, 16, 17, 18, 19]], 

       [[ 0, 1, 2, 3, 4], 
        [ 5, 6, 7, 8, 9], 
        [10, 11, 12, 13, 14], 
        [15, 16, 17, 18, 19]], 

       [[40, 40, 42, 43, 44], 
        [45, 46, 47, 48, 49], 
        [50, 51, 52, 53, 54], 
        [55, 56, 57, 58, 59]]]) 

print data 

# find mode along the zero-th axis; the return value is a tuple of the 
# modes and their counts. 
print mode(data, axis=0)