Unikalna podrzędna 2D Numpy

Question

Mam tablicę 3D numpy i chcę tylko unikalne podwarstwy 2D.

Wejście:

[[[ 1 2] 
    [ 3 4]] 

[[ 5 6] 
    [ 7 8]] 

[[ 9 10] 
    [11 12]] 

[[ 5 6] 
    [ 7 8]]] 

wyjściowa:

[[[ 1 2] 
    [ 3 4]] 

[[ 5 6] 
    [ 7 8]] 

[[ 9 10] 
    [11 12]]] 

Próbowałem przekonwertować sub-macierzy do łańcucha (metoda toString()), a następnie użyć np.unique, ale po przekształcić do numpy tablicy, usunęło ostatnie bajty \ x00, więc nie mogę go przekształcić za pomocą np.fromstring().

Przykład:

import numpy as np 
a = np.array([[[1,2],[3,4]],[[5,6],[7,8]],[[9,10],[11,12]],[[5,6],[7,8]]]) 
b = [x.tostring() for x in a] 
print(b) 
c = np.array(b) 
print(c) 
print(np.array([np.fromstring(x) for x in c])) 

wyjściowa:

[b'\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00\x04\x00\x00\x00', b'\x05\x00\x00\x00\x06\x00\x00\x00\x07\x00\x00\x00\x08\x00\x00\x00', b'\t\x00\x00\x00\n\x00\x00\x00\x0b\x00\x00\x00\x0c\x00\x00\x00', b'\x05\x00\x00\x00\x06\x00\x00\x00\x07\x00\x00\x00\x08\x00\x00\x00'] 
[b'\x01\x00\x00\x00\x02\x00\x00\x00\x03\x00\x00\x00\x04' 
b'\x05\x00\x00\x00\x06\x00\x00\x00\x07\x00\x00\x00\x08' 
b'\t\x00\x00\x00\n\x00\x00\x00\x0b\x00\x00\x00\x0c' 
b'\x05\x00\x00\x00\x06\x00\x00\x00\x07\x00\x00\x00\x08'] 

--------------------------------------------------------------------------- 
ValueError        Traceback (most recent call last) 
<ipython-input-86-6772b096689f> in <module>() 
     5 c = np.array(b) 
     6 print(c) 
----> 7 print(np.array([np.fromstring(x) for x in c])) 

<ipython-input-86-6772b096689f> in <listcomp>(.0) 
     5 c = np.array(b) 
     6 print(c) 
----> 7 print(np.array([np.fromstring(x) for x in c])) 

ValueError: string size must be a multiple of element size 

Próbowałem też pogląd, ale ja naprawdę nie wiem, jak go używać. Czy możesz mi pomóc?

Answer 1

Korzystanie @Jaime's post, aby rozwiązać nasz przypadek znalezienia unikalne subarrays 2D, wpadłem na to rozwiązanie, które w zasadzie dodaje dopasowania kształtu do etapu view -

def unique2D_subarray(a): 
    dtype1 = np.dtype((np.void, a.dtype.itemsize * np.prod(a.shape[1:]))) 
    b = np.ascontiguousarray(a.reshape(a.shape[0],-1)).view(dtype1) 
    return a[np.unique(b, return_index=1)[1]] 

run Sample -

In [62]: a 
Out[62]: 
array([[[ 1, 2], 
     [ 3, 4]], 

     [[ 5, 6], 
     [ 7, 8]], 

     [[ 9, 10], 
     [11, 12]], 

     [[ 5, 6], 
     [ 7, 8]]]) 

In [63]: unique2D_subarray(a) 
Out[63]: 
array([[[ 1, 2], 
     [ 3, 4]], 

     [[ 5, 6], 
     [ 7, 8]], 

     [[ 9, 10], 
     [11, 12]]]) 

Answer 2

Jednym rozwiązaniem byłoby użyć zestawu śledzić których sub tablice zostały widziany:

seen = set([]) 
new_a = [] 

for j in a: 
    f = tuple(list(j.flatten())) 
    if f not in seen: 
     new_a.append(j) 
     seen.add(f) 

print np.array(new_a) 

lub przy użyciu numpy tylko:

print np.unique(a).reshape((len(unique)/4, 2, 2)) 

>>> [[[ 1 2] 
     [ 3 4]] 

    [[ 5 6] 
     [ 7 8]] 

    [[ 9 10] 
     [11 12]]] 

Answer 3

Pakiet numpy_indexed (disclaimer: Jestem jego autor) jest przeznaczony do wykonywania takich operacji w wydajny i wektoryzowany sposób:

import numpy_indexed as npi 
npi.unique(a)