Najbardziej efektywny sposób na znalezienie trybu w tablicy numpy

Mam tablicę 2D zawierającą liczby całkowite (zarówno dodatnie, jak i ujemne). Każdy wiersz przedstawia wartości w czasie dla określonego miejsca przestrzennego, podczas gdy każda kolumna przedstawia wartości dla różnych miejsc przestrzennych w danym czasie.

Więc jeśli tablica wygląda następująco:

1 3 4 2 2 7
5 2 2 1 4 1
3 3 2 2 1 1

Wynik powinien być

1 3 2 2 2 1

Zwróć uwagę, że gdy istnieje wiele wartości trybu, dowolna (wybrana losowo) może zostać ustawiona jako tryb.

Mogę iterować tryb wyszukiwania kolumn pojedynczo, ale miałem nadzieję, że numpy może mieć wbudowaną funkcję do tego. Lub jeśli istnieje sztuczka, aby znaleźć to skutecznie bez zapętlania.

Sprawdź scipy.stats.mode()(inspirowane komentarzem @ tom10):

import numpy as np
from scipy import stats

a = np.array([[1, 3, 4, 2, 2, 7],
              [5, 2, 2, 1, 4, 1],
              [3, 3, 2, 2, 1, 1]])

m = stats.mode(a)
print(m)

Wynik:

ModeResult(mode=array([[1, 3, 2, 2, 1, 1]]), count=array([[1, 2, 2, 2, 1, 2]]))

Jak widać, zwraca zarówno tryb, jak i liczby. Możesz wybrać tryby bezpośrednio poprzez m[0]:

print(m[0])

Wynik:

[[1 3 2 2 1 1]]

Aktualizacja

scipy.stats.modeFunkcja została znacznie zoptymalizowany od tego postu, a byłoby to zalecana metoda

Stara odpowiedź

Jest to trudny problem, ponieważ nie ma zbyt wiele do obliczenia trybu wzdłuż osi. Rozwiązanie to jest proste dla tablic 1-D, w których numpy.bincountjest przydatny, a także numpy.uniquez return_countsarg True. Najczęstszą funkcją n-wymiarową, jaką widzę, jest scipy.stats.mode, chociaż jest ona zbyt wolna - szczególnie w przypadku dużych tablic z wieloma unikalnymi wartościami. Jako rozwiązanie opracowałem tę funkcję i intensywnie z niej korzystam:

import numpy

def mode(ndarray, axis=0):
    # Check inputs
    ndarray = numpy.asarray(ndarray)
    ndim = ndarray.ndim
    if ndarray.size == 1:
        return (ndarray[0], 1)
    elif ndarray.size == 0:
        raise Exception('Cannot compute mode on empty array')
    try:
        axis = range(ndarray.ndim)[axis]
    except:
        raise Exception('Axis "{}" incompatible with the {}-dimension array'.format(axis, ndim))

    # If array is 1-D and numpy version is > 1.9 numpy.unique will suffice
    if all([ndim == 1,
            int(numpy.__version__.split('.')[0]) >= 1,
            int(numpy.__version__.split('.')[1]) >= 9]):
        modals, counts = numpy.unique(ndarray, return_counts=True)
        index = numpy.argmax(counts)
        return modals[index], counts[index]

    # Sort array
    sort = numpy.sort(ndarray, axis=axis)
    # Create array to transpose along the axis and get padding shape
    transpose = numpy.roll(numpy.arange(ndim)[::-1], axis)
    shape = list(sort.shape)
    shape[axis] = 1
    # Create a boolean array along strides of unique values
    strides = numpy.concatenate([numpy.zeros(shape=shape, dtype='bool'),
                                 numpy.diff(sort, axis=axis) == 0,
                                 numpy.zeros(shape=shape, dtype='bool')],
                                axis=axis).transpose(transpose).ravel()
    # Count the stride lengths
    counts = numpy.cumsum(strides)
    counts[~strides] = numpy.concatenate([[0], numpy.diff(counts[~strides])])
    counts[strides] = 0
    # Get shape of padded counts and slice to return to the original shape
    shape = numpy.array(sort.shape)
    shape[axis] += 1
    shape = shape[transpose]
    slices = [slice(None)] * ndim
    slices[axis] = slice(1, None)
    # Reshape and compute final counts
    counts = counts.reshape(shape).transpose(transpose)[slices] + 1

    # Find maximum counts and return modals/counts
    slices = [slice(None, i) for i in sort.shape]
    del slices[axis]
    index = numpy.ogrid[slices]
    index.insert(axis, numpy.argmax(counts, axis=axis))
    return sort[index], counts[index]

Wynik:

In [2]: a = numpy.array([[1, 3, 4, 2, 2, 7],
                         [5, 2, 2, 1, 4, 1],
                         [3, 3, 2, 2, 1, 1]])

In [3]: mode(a)
Out[3]: (array([1, 3, 2, 2, 1, 1]), array([1, 2, 2, 2, 1, 2]))

Niektóre testy porównawcze:

In [4]: import scipy.stats

In [5]: a = numpy.random.randint(1,10,(1000,1000))

In [6]: %timeit scipy.stats.mode(a)
10 loops, best of 3: 41.6 ms per loop

In [7]: %timeit mode(a)
10 loops, best of 3: 46.7 ms per loop

In [8]: a = numpy.random.randint(1,500,(1000,1000))

In [9]: %timeit scipy.stats.mode(a)
1 loops, best of 3: 1.01 s per loop

In [10]: %timeit mode(a)
10 loops, best of 3: 80 ms per loop

In [11]: a = numpy.random.random((200,200))

In [12]: %timeit scipy.stats.mode(a)
1 loops, best of 3: 3.26 s per loop

In [13]: %timeit mode(a)
1000 loops, best of 3: 1.75 ms per loop

EDYCJA: Zapewniono więcej tła i zmodyfikowano podejście, aby zwiększyć wydajność pamięci

Rozwinięcie tej metody , zastosowane do znalezienia trybu danych, w którym może być potrzebny indeks rzeczywistej tablicy, aby zobaczyć, jak daleko wartość znajduje się od środka rozkładu.

(_, idx, counts) = np.unique(a, return_index=True, return_counts=True)
index = idx[np.argmax(counts)]
mode = a[index]

Pamiętaj, aby odrzucić tryb, gdy len (np.argmax (counts))> 1, również w celu sprawdzenia, czy jest on rzeczywiście reprezentatywny dla centralnego rozkładu Twoich danych, możesz sprawdzić, czy mieści się on w Twoim przedziale odchylenia standardowego.

Zgrabne rozwiązanie, które wykorzystuje tylkonumpy (nie scipyani Counterklasę):

A = np.array([[1,3,4,2,2,7], [5,2,2,1,4,1], [3,3,2,2,1,1]])

np.apply_along_axis(lambda x: np.bincount(x).argmax(), axis=0, arr=A)

tablica ([1, 3, 2, 2, 1, 1])

Jeśli chcesz używać tylko numpy:

x = [-1, 2, 1, 3, 3]
vals,counts = np.unique(x, return_counts=True)

daje

(array([-1,  1,  2,  3]), array([1, 1, 1, 2]))

I wyodrębnij:

index = np.argmax(counts)
return vals[index]

Myślę, że bardzo prostym sposobem byłoby użycie klasy Counter. Następnie możesz użyć funkcji most_common () instancji Counter, jak wspomniano tutaj .

W przypadku macierzy 1-w:

import numpy as np
from collections import Counter

nparr = np.arange(10) 
nparr[2] = 6 
nparr[3] = 6 #6 is now the mode
mode = Counter(nparr).most_common(1)
# mode will be [(6,3)] to give the count of the most occurring value, so ->
print(mode[0][0])    

W przypadku tablic wielowymiarowych (niewielka różnica):

import numpy as np
from collections import Counter

nparr = np.arange(10) 
nparr[2] = 6 
nparr[3] = 6 
nparr = nparr.reshape((10,2,5))     #same thing but we add this to reshape into ndarray
mode = Counter(nparr.flatten()).most_common(1)  # just use .flatten() method

# mode will be [(6,3)] to give the count of the most occurring value, so ->
print(mode[0][0])

Może to być skuteczna implementacja lub nie, ale jest wygodna.

from collections import Counter

n = int(input())
data = sorted([int(i) for i in input().split()])

sorted(sorted(Counter(data).items()), key = lambda x: x[1], reverse = True)[0][0]

print(Mean)

Counter(data)Liczy się częstotliwość i zwraca defaultdict. sorted(Counter(data).items())sortuje za pomocą klawiszy, a nie częstotliwości. Na koniec należy posortować częstotliwość przy użyciu innej posortowanej z key = lambda x: x[1]. Odwrotna sytuacja mówi Pythonowi, aby sortował częstotliwość od największej do najmniejszej.

najprostszy sposób w Pythonie, aby uzyskać tryb listy lub tablicy a

   import statistics
   print("mode = "+str(statistics.(mode(a)))

Otóż ​​to