ベクトルの行列の最も頻繁な行またはモードを見つける - Python/NumPy

Question

n次元ベクトルのベクトルを表すnumpyの配列（？、n）があります。

最も頻繁な行を探したいと思います。

これまでのところ、すべてのエントリを繰り返し処理してカウントを保存するのが最善の方法だと思われますが、numpyやscipyにはこのタスクを実行するための何かが組み込まれていないことがわかります。

Answer 1

ここでかなり効率的であるべきNumPy viewsを、使用したアプローチだ -

def mode_rows(a): 
    a = np.ascontiguousarray(a) 
    void_dt = np.dtype((np.void, a.dtype.itemsize * np.prod(a.shape[1:]))) 
    _,ids, count = np.unique(a.view(void_dt).ravel(), \ 
           return_index=1,return_counts=1) 
    largest_count_id = ids[count.argmax()] 
    most_frequent_row = a[largest_count_id] 
    return most_frequent_row 

サンプル実行 -

In [45]: # Let's have a random arrayb with three rows(2,4,8) and two rows(1,7) 
    ...: # being duplicated. Thus, the most freequent row must be 2 here. 
    ...: a = np.random.randint(0,9,(9,5)) 
    ...: a[4] = a[8] 
    ...: a[2] = a[4] 
    ...: 
    ...: a[1] = a[7] 
    ...: 

In [46]: a 
Out[46]: 
array([[8, 8, 7, 0, 7], 
     [7, 8, 2, 6, 1], 
     [2, 2, 5, 7, 6], 
     [6, 5, 8, 8, 5], 
     [2, 2, 5, 7, 6], 
     [5, 7, 3, 6, 3], 
     [2, 8, 7, 2, 0], 
     [7, 8, 2, 6, 1], 
     [2, 2, 5, 7, 6]]) 

In [47]: mode_rows(a) 
Out[47]: array([2, 2, 5, 7, 6]) 

Answer 2

あなたはパンダを使用することができるしている場合は、ここthis answerから大きく描く一つのアプローチは、です：

import numpy as np 
import pandas as pd 

# generate sample data 
ncol = 5 
nrow = 20000 
matrix = np.random.randint(0,ncol,ncol*nrow).reshape(nrow,ncol) 
df = pd.DataFrame(matrix) 

df.head() 
    0 1 2 3 4 
0 3 0 4 4 4 
1 4 0 0 2 0 
2 3 3 2 0 0 
3 0 3 4 3 3 
4 1 1 3 3 3 

# count duplicated rows 
(df.groupby(df.columns.tolist()) 
    .size() 
    .sort_values(ascending=False)) 

出力：

0 1 2 3 4 
4 2 2 1 1 17 
2 2 4 2 3 16 
3 2 1 2 2 15 
    1 2 4 3 15 
       .. 
4 1 3 0 1  1 
1 2 3 0 4  1 

最も頻繁行は、この出力の一番上の行であります。頻度カウントは右端の列です。

Answer 3

numpy_indexedパッケージ（dsiclaimer：私はその作者だが）まさにこれを行う機能を持っていますこれは、任意の数のディメンションで動作します。

import numpy_indexed as npi 
row = npi.mode(arr) 

フードの下では、アルゴリズムと複雑さの点でDivakarのソリューションに似ていますが、いくつかの鐘や笛があります。 'weights'と 'return_indices' kwargsを参照してください。