按值分组和汇总矩阵

Question

我有两个矩阵，prob 和 totalHigh，它们的形状都是 axbxcxd。其中，a 和 b 是坐标。以下是两个示例：

In [77]: prob[1,1,:]
Out[77]: 
array([[ 0.09,  0.01,  0.  ,  0.  ,  0.  ],
       [ 0.81,  0.09,  0.  ,  0.  ,  0.  ],
       [ 0.  ,  0.  ,  0.  ,  0.  ,  0.  ]])

In [78]: totalHigh[1,1,:]
Out[78]: 
array([[0, 1, 2, 3, 4],
       [1, 2, 3, 4, 5],
       [2, 3, 4, 5, 6]])

totalHigh 包含有关结果的信息，但不幸的是涉及两个维度。相应地，prob 包含这些结果的概率。例如，在坐标 1,1 的结果 1 的总概率为 0.01+0.81。

我该如何去除冗余的维度？

期望结果

simplifiedHigh[1,1,:]
array([0, 1, 2, 3, 4, 5, 6])
simplifiedProb[1,1,:]
array([0.09, 0.82, 0.09, 0, 0, 0, 0])

我该如何以最有效的方式获取它？

- FooBar

Answer 1

您可以使用np.bincount和np.unique函数来实现。

IDs = np.unique(totalHigh_sliced)
counts = np.bincount(totalHigh_sliced.ravel(),prob_sliced.ravel())

样例运行 -

In [215]: prob_sliced
Out[215]: 
array([[ 0.09,  0.01,  0.  ,  0.  ,  0.  ],
       [ 0.81,  0.09,  0.  ,  0.  ,  0.  ],
       [ 0.  ,  0.  ,  0.  ,  0.  ,  0.  ]])

In [216]: totalHigh_sliced
Out[216]: 
array([[0, 1, 2, 3, 4],
       [1, 2, 3, 4, 5],
       [2, 3, 4, 5, 6]])

In [217]: IDs = np.unique(totalHigh_sliced)
     ...: counts = np.bincount(totalHigh_sliced.ravel(),prob_sliced.ravel())
     ...: 

In [218]: IDs
Out[218]: array([0, 1, 2, 3, 4, 5, 6])

In [219]: counts
Out[219]: array([ 0.09,  0.82,  0.09,  0.  ,  0.  ,  0.  ,  0.  ])

- Divakar

---

我正要提交相同的答案 :P 另一个选择是使用binned_statistics，但由于OP只需要总和，bincount可能更快。 - Imanol Luengo

@imaluengo 是的，从我的经验来看，bincount 确实非常快！ - Divakar

是否有一种高效的方法可以针对整个矩阵进行操作，还是我必须迭代前两个维度？ - FooBar

@FooBar 你在第一和第二维度上是否有相同的 totalHigh[1,1,:]？如果没有，我认为迭代是有意义的。 - Divakar

@Divakar 如果实际上是一样的呢？ - FooBar

@FooBar 如果是这样的话，你可以使用np.add.reduceat以矢量化的方式处理整个数组。 - Divakar