从数组中删除重复项以及在另一个数组中匹配位置的元素

Question

我有两个numpy数组，我想从第一个数组中删除重复值（包括原始值），并删除第二个数组中匹配位置的项目。

例如：

a = [1, 2, 2, 3]
b = ['a', 'd', 'f', 'c']

Becomes:

a = [1, 3]
b = ['a', 'c']

我需要高效地完成这项任务，而不是使用费时的幼稚解决方案。

- Ak-Mo

Answer 1

这里有一个与 np.unique 相关的例子 -

unq,idx,c = np.unique(a, return_index=True, return_counts=True)
unq_idx = np.sort(idx[c==1])
a_out = a[unq_idx]
b_out = b[unq_idx]

示例运行：

In [34]: a
Out[34]: array([1, 2, 2, 3])

In [35]: b
Out[35]: array(['a', 'd', 'f', 'c'], dtype='|S1')

In [36]: unq,idx,c = np.unique(a, return_index=1, return_counts=1)
    ...: unq_idx = idx[c==1]
    ...: a_out = a[unq_idx]
    ...: b_out = b[unq_idx]

In [37]: a_out
Out[37]: array([1, 3])

In [38]: b_out
Out[38]: array(['a', 'c'], dtype='|S1')

- Divakar

---

解决方案的输出不能保证保留原始顺序，除了对unq_idx排序之外，是否有其他方法可以保持原始顺序？ - Ak-Mo

@Akram 已修复以保持顺序，请查看。 - Divakar

我总是觉得需要使用 np.sort 很令人沮丧。有没有一种方法可以保持 O(n) 的复杂度？ - jpp

Answer 2

既然你已经接触过NumPy，那么你可能想考虑一下Pandas，它在内部使用了NumPy：

import pandas as pd

a = pd.Series([1, 2, 2, 3])
b = pd.Series(['a', 'd', 'f', 'c'])

flags = ~a.duplicated(keep=False)
idx = flags[flags].index

a = a[idx].values
b = b[idx].values

结果：

print(a, b, sep='\n')

array([1, 3], dtype=int64)
array(['a', 'c'], dtype=object)

- jpp