将numpy数组分解为具有相同值的较小数组[python]

浮点数和整数的numpy解决方案:

import numpy as np
a = np.asarray([1,1,1,1,2,2,3,3,3,5,6,6,6,6,6,6,7])
#calculate differences between neighbouring elements and get index where element changes
#sample output for index would be [ 4  6  9 10 16]
index = np.where(np.diff(a) != 0)[0] + 1
#separate arrays
print(np.split(a, index))

样品输出:

[array([1, 1, 1, 1]), array([2, 2]), array([3, 3, 3]), array([5]), array([6, 6, 6, 6, 6, 6]), array([7])]

如果您有字符串,这个方法自然不会工作。那你应该和DYZ一起去 itertools 接近。

numpy对这种分组的支持很差。我建议使用 itertools 按列表操作。

from itertools import groupby
[np.array(list(data)) for _,data in itertools.groupby(array)]
#[array([1, 1, 1, 1]), array([2, 2]), array([3, 3, 3]), \
# array([5]), array([6, 6, 6, 6, 6, 6]), array([7])]

这不一定是最有效的方法,因为它涉及到与列表之间的转换。

以下是使用熊猫的方法:

import pandas as pd 

(pd.Series(array)
   .value_counts()
   .reset_index()
   .apply(lambda x: [x["index"]] * x[0], axis=1))  

说明:
首先,转换 array 到一个系列,并使用 value_counts() 要获取每个唯一条目的计数:

counts = pd.Series(array).value_counts().reset_index()
   index  0
0      6  6
1      1  4
2      3  3
3      2  2
4      7  1
5      5  1

然后重新创建每个重复的元素列表,使用 apply() :

counts.apply(lambda x: [x["index"]] * x[0], axis=1)

0    [6, 6, 6, 6, 6, 6]
1          [1, 1, 1, 1]
2             [3, 3, 3]
3                [2, 2]
4                   [7]
5                   [5]
dtype: object

您可以使用 .values 属性从一系列列表转换为列表列表列表(如果需要)。