numpy dizisindeki özdeş öğeleri alt dizilere nasıl hareket ettirilir

Question

Sıralı bir numpy dizisindeki özdeş öğeleri alt gruplara nasıl verimli şekilde taşırım? Buradan

:

import numpy as np  
a=np.array([0,0,1,1,1,3,5,5,5]) 

burada:

a2=array([[0, 0], [1, 1, 1], [3], [5, 5, 5]], dtype=object) 

Answer 1

Bir yaklaşım numaraları değiştirmek vardiya, yerlerini almak ve altdizilimlerden içine girdi dizisi bölmek için bu dizinleri kullanmak olacaktır . Bu indeksleri bulmak için, farklılaştırılmış bir dizi np.nonzero kullanabilir ve daha sonra şöyle, yarma için np.split kullanmak -

np.split(a,np.nonzero(np.diff(a))[0]+1) 

Numune koşmak -

In [42]: a 
Out[42]: array([2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4, 4, 4, 4, 5, 5, 6, 6, 6]) 

In [43]: np.split(a,np.nonzero(np.diff(a))[0]+1) 
Out[43]: 
[array([2, 2, 2, 2]), 
array([3, 3, 3, 3]), 
array([4, 4, 4, 4, 4, 4, 4]), 
array([5, 5]), 
array([6, 6, 6])] 

Answer 2

Bir yöntem bu itertools.groupby kullanarak olurdu yapmak. Örnek -

result = np.array([list(g) for _,g in groupby(a)]) 

Bu durum, normal sıralanmış listeleri için çalışacak, sadece numpy diziler.

Deneme - başka bir yaklaşımla

In [24]: import numpy as np 

In [25]: a=np.array([0,0,1,1,1,3,5,5,5]) 

In [26]: from itertools import groupby 

In [27]: result = np.array([list(g) for _,g in groupby(a)]) 

In [28]: result 
Out[28]: array([[0, 0], [1, 1, 1], [3], [5, 5, 5]], dtype=object) 

---

Zamanlama karşılaştırma -

In [29]: %timeit np.array([list(g) for _,g in groupby(a)]) 
The slowest run took 6.10 times longer than the fastest. This could mean that an intermediate result is being cached 
100000 loops, best of 3: 9.86 µs per loop 

In [30]: %timeit np.split(a,np.where(np.diff(a)>0)[0]+1) 
10000 loops, best of 3: 29.2 µs per loop 

In [31]: %timeit np.array([list(g) for _,g in groupby(a)]) 
100000 loops, best of 3: 10.5 µs per loop 

In [33]: %timeit np.split(a,np.nonzero(np.diff(a))[0]+1) 
The slowest run took 4.32 times longer than the fastest. This could mean that an intermediate result is being cached 
10000 loops, best of 3: 25.2 µs per loop