숫자 배열이 있고 첫 번째 배열에서 각 항목의 순위를 나타내는 또 다른 배열을 만들고 싶습니다. 저는 Python과 NumPy를 사용하고 있습니다.
예를 들면 :
array = [4,2,7,1]
ranks = [2,1,3,0]
내가 생각 해낸 가장 좋은 방법은 다음과 같습니다.
array = numpy.array([4,2,7,1])
temp = array.argsort()
ranks = numpy.arange(len(array))[temp.argsort()]
배열을 두 번 정렬하지 않는 더 좋고 빠른 방법이 있습니까?
답변
마지막 단계에서 왼쪽에 슬라이싱을 사용합니다.
array = numpy.array([4,2,7,1])
temp = array.argsort()
ranks = numpy.empty_like(temp)
ranks[temp] = numpy.arange(len(array))
이렇게하면 마지막 단계에서 순열을 반전하여 두 번 정렬하는 것을 방지 할 수 있습니다.
답변
argsort를 두 번 사용하여 먼저 배열의 순서를 얻은 다음 순위를 얻습니다.
array = numpy.array([4,2,7,1])
order = array.argsort()
ranks = order.argsort()
2D (또는 더 높은 차원의) 배열을 다룰 때 올바른 축에 대해 정렬하기 위해 축 인수를 argsort에 전달해야합니다.
답변
이 질문은 몇 년 전이고 받아 들여지는 대답은 훌륭하지만 다음은 여전히 언급 할 가치가 있다고 생각합니다. 에 대한 종속성이 마음에 들지 않으면 scipy다음을 사용할 수 있습니다 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])
의 좋은 기능은 인수가 관계를 처리하기위한 몇 가지 옵션을 제공 rankdata한다는 것 method입니다. 예를 들어,에 20이 세 번 발생하고 40이 두 번 발생합니다 b.
In [26]: b = [40, 20, 70, 10, 20, 50, 30, 40, 20]기본값은 평균 순위를 동일한 값에 할당합니다.
In [27]: rankdata(b)
Out[27]: array([ 6.5, 3. , 9. , 1. , 3. , 8. , 5. , 6.5, 3. ])
method='ordinal' 연속 순위를 할당합니다.
In [28]: rankdata(b, method='ordinal')
Out[28]: array([6, 2, 9, 1, 3, 8, 5, 7, 4])
method='min' 모든 동률 값에 동률 값의 최소 순위를 할당합니다.
In [29]: rankdata(b, method='min')
Out[29]: array([6, 2, 9, 1, 2, 8, 5, 6, 2])
추가 옵션은 독 스트링을 참조하십시오.
답변
두 개 이상의 차원 배열 A에 대해 두 솔루션을 모두 확장하려고 시도했으며 배열을 행 단위로 처리한다고 가정합니다 (axis = 1).
행에 대한 루프로 첫 번째 코드를 확장했습니다. 아마도 그것은 개선 될 수 있습니다
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,:]] = rangeA그리고 k.rooijers의 제안에 따라 두 번째는 다음과 같습니다.
temp = A.argsort(axis=1)
rank = temp.argsort(axis=1)모양 (1000,100)을 가진 400 개의 배열을 무작위로 생성했습니다. 첫 번째 코드는 약 7.5, 두 번째 코드는 3.8이었습니다.
답변
평균 순위의 벡터화 된 버전은 아래를 참조하십시오. 나는 np.unique를 좋아한다. 그것은 코드가 효율적으로 벡터화 될 수있는 것과 불가능한 것의 범위를 정말로 넓혀 준다. 파이썬 for 루프를 피하는 것 외에도이 접근 방식은 ‘a’에 대한 암시 적 이중 루프를 방지합니다.
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_mean답변
우아함과 솔루션의 부족 외에도 성능 문제도 있습니다. 다음은 약간의 벤치 마크입니다.
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)답변
argsort ()를 두 번 사용하면됩니다.
>>> array = [4,2,7,1]
>>> ranks = numpy.array(array).argsort().argsort()
>>> ranks
array([2, 1, 3, 0])