我有一个数字数组,想要创建另一个数组来表示第一个数组中每个项目的排名。我正在使用Python和NumPy。
例如:
array = [4,2,7,1]
ranks = [2,1,3,0]
这是我想出的最佳方法:
array = numpy.array([4,2,7,1])
temp = array.argsort()
ranks = numpy.arange(len(array))[temp.argsort()]
有没有更好/更快的方法可以避免两次排序数组?
我有一个数字数组,想要创建另一个数组来表示第一个数组中每个项目的排名。我正在使用Python和NumPy。
例如:
array = [4,2,7,1]
ranks = [2,1,3,0]
这是我想出的最佳方法:
array = numpy.array([4,2,7,1])
temp = array.argsort()
ranks = numpy.arange(len(array))[temp.argsort()]
有没有更好/更快的方法可以避免两次排序数组?
使用 argsort 两次,首先获取数组的顺序,然后获取排名:
array = numpy.array([4,2,7,1])
order = array.argsort()
ranks = order.argsort()
处理2D(或更高维)数组时,请确保向argsort传递一个轴参数,以便在正确的轴上进行排序。
[4,2,7,1,1]
),则输出将根据它们在数组中的位置对这些数字进行排名([3,2,4,0,1]
)。 - rcoupargsort
函数实现排名。 - Warren Weckesserarray = np.random.rand(10)
行应该改为array = np.random.rand(n)
。 - Warren Weckesser这个问题已经存在几年了,接受的答案很好,但我认为以下内容仍然值得一提。 如果你不介意依赖于scipy
,你可以使用scipy.stats.rankdata
:
In [22]: from scipy.stats import rankdata
In [23]: a = [4, 2, 7, 1]
In [24]: rankdata(a)
Out[24]: array([ 3., 2., 4., 1.])
In [25]: (rankdata(a) - 1).astype(int)
Out[25]: array([2, 1, 3, 0])
rankdata
的一个好处是method
参数提供了多种处理并列情况的选项。例如,在b
中有三个20和两个40:
In [26]: b = [40, 20, 70, 10, 20, 50, 30, 40, 20]
默认情况下,将平均排名分配给相同的值:In [27]: rankdata(b)
Out[27]: array([ 6.5, 3. , 9. , 1. , 3. , 8. , 5. , 6.5, 3. ])
method='ordinal'
会分配连续的排名:
In [28]: rankdata(b, method='ordinal')
Out[28]: array([6, 2, 9, 1, 3, 8, 5, 7, 4])
method='min'
将所有并列的值赋予最小的排名:
In [29]: rankdata(b, method='min')
Out[29]: array([6, 2, 9, 1, 2, 8, 5, 6, 2])
更多选项,请查看函数文档字符串。
rankdata
似乎使用与被接受的答案相同的机制来在内部生成初始排名。 - AlexVaxis=0
在rankdata()
中处理并列情况。 - Laurin Herbsthofer在最后一步中,在左侧使用高级索引:
array = numpy.array([4,2,7,1])
temp = array.argsort()
ranks = numpy.empty_like(temp)
ranks[temp] = numpy.arange(len(array))
这样做可以避免在最后一步中通过反转排列来进行两次排序。
ranks[temp]
在技术上不是 切片 ,而是 索引(参见 https://numpy.org/doc/stable/reference/arrays.indexing.html)。 - Shmil The Cat使用 argsort()
两次即可实现:
>>> array = [4,2,7,1]
>>> ranks = numpy.array(array).argsort().argsort()
>>> ranks
array([2, 1, 3, 0])
对于平均排名的矢量化版本,请参见下文。我喜欢np.unique,它真正扩大了代码可以和不能有效矢量化的范围。除了避免使用python循环外,这种方法还避免了对'a'进行隐式双重循环。
import numpy as np
a = np.array( [4,1,6,8,4,1,6])
a = np.array([4,2,7,2,1])
rank = a.argsort().argsort()
unique, inverse = np.unique(a, return_inverse = True)
unique_rank_sum = np.zeros_like(unique)
np.add.at(unique_rank_sum, inverse, rank)
unique_count = np.zeros_like(unique)
np.add.at(unique_count, inverse, 1)
unique_rank_mean = unique_rank_sum.astype(np.float) / unique_count
rank_mean = unique_rank_mean[inverse]
print rank_mean
- Eelco Hoogendoornunique, index, inverse = np.unique(a, True, True) rank_min = rank[index][inverse]
我尝试扩展两个解决方案,用于处理多维数组A,假设您按行处理数组(axis=1)。
我在第一个代码中循环了行;可能它可以改进。
temp = A.argsort(axis=1)
rank = np.empty_like(temp)
rangeA = np.arange(temp.shape[1])
for iRow in xrange(temp.shape[0]):
rank[iRow, temp[iRow,:]] = rangeA
第二个建议,根据k.rooijers的建议,变成了:
temp = A.argsort(axis=1)
rank = temp.argsort(axis=1)
我随机生成了400个形状为(1000,100)的数组;第一个代码大约需要7.5秒,第二个代码则需要3.8秒。
除了解决方案的优雅和简洁,性能也是一个问题。以下是一个小型基准测试:
import numpy as np
from scipy.stats import rankdata
l = list(reversed(range(1000)))
%%timeit -n10000 -r5
x = (rankdata(l) - 1).astype(int)
>>> 128 µs ± 2.72 µs per loop (mean ± std. dev. of 5 runs, 10000 loops each)
%%timeit -n10000 -r5
a = np.array(l)
r = a.argsort().argsort()
>>> 69.1 µs ± 464 ns per loop (mean ± std. dev. of 5 runs, 10000 loops each)
%%timeit -n10000 -r5
a = np.array(l)
temp = a.argsort()
r = np.empty_like(temp)
r[temp] = np.arange(len(a))
>>> 63.7 µs ± 1.27 µs per loop (mean ± std. dev. of 5 runs, 10000 loops each)
rankdata(l, method='ordinal') - 1
。 - Warren Weckesserl = random.choices(range(500),k=10000)
- 变化样本、大小和迭代以获得更全面的图片。来自 @yupbank 的双重切片看起来很有趣。 - Peterdef ranks (v):
import numpy as np
t = np.argsort(v)
r = np.empty(len(v),int)
r[t] = np.arange(len(v))
for i in xrange(1, len(r)):
if v[t[i]] <= v[t[i-1]]: r[t[i]] = r[t[i-1]]
return r
# test it
print sorted(zip(ranks(v), v))
我相信它已经尽可能高效了。
argsort和slice是对称操作。
尝试两次使用slice而不是两次使用argsort。因为slice比argsort更快。
array = numpy.array([4,2,7,1])
order = array.argsort()
ranks = np.arange(array.shape[0])[order][order]
ranks = order[order]
不是等价的吗?顺便说一下,我认为你的代码通常不起作用。 - Andris Birkmanis我喜欢k.rooijers的方法,但正如rcoup所写,重复的数字按照数组位置进行排名。这对我来说不好,因此我修改了版本,对排名进行后处理,并将任何重复的数字合并为一个平均排名:
import numpy as np
a = np.array([4,2,7,2,1])
r = np.array(a.argsort().argsort(), dtype=float)
f = a==a
for i in xrange(len(a)):
if not f[i]: continue
s = a == a[i]
ls = np.sum(s)
if ls > 1:
tr = np.sum(r[s])
r[s] = float(tr)/ls
f[s] = False
print r # array([ 3. , 1.5, 4. , 1.5, 0. ])
我希望这也能帮到其他人,我试图寻找其他的解决方案,但没有找到...
ranks = temp.argsort()
。 - Sven Marnach