根据值的唯一性删除 numpy 数组的行

Question

假设我有一个像这样的二维数组，

numpy.array(
    [[0,1,1.2,3],
    [1,5,3.2,4],
    [3,4,2.8,4], 
    [2,6,2.3,5]])

我希望形成一个数组，根据最后一列值的唯一性消除整行，根据第三列值选择要保留的行。 例如，在这种情况下，我只想保留最后一列为 4 的行，并选择具有第三列次要值的行，结果如下：

array([0,1,1.2,3],
      [3,4,2.8,4],
      [2,6,2.3,5])

从而消除行 [1,5,3.2 ,4]

哪一个是最好的方法？

Answer 1

我的 numpy 已经过时了，但这应该可行：

#keepers is a dictionary of type int: (int, int)
#the key is the row's final value, and the tuple is (row index, row[2])
keepers = {}
deletions = []
for i, row in enumerate(n):
    key = row[3]
    if key not in keepers:
        keepers[key] = (i, row[2])
    else:
        if row[2] > keepers[key][1]:
            deletions.append(i)
        else:
            deletions.append(keepers[key][0])
            keepers[key] = (i, row[2])
o = numpy.delete(n, deletions, axis=0)

我已经从我的声明性解决方案中大大简化了它，这变得非常笨拙。 希望这更容易理解； 我们所做的就是维护一个我们想要保留的值的字典和一个我们想要删除的索引列表。

Answer 2

这可以在 Numpy 中通过组合 lexsort 和 unique 来有效实现，如下所示

import numpy as np

a = np.array([[0, 1, 1.2, 3], 
              [1, 5, 3.2, 4],
              [3, 4, 2.8, 4], 
              [2, 6, 2.3, 5]])

# Sort by last column and 3rd column when values are equal
j = np.lexsort(a.T)

# Find first occurrence (=smallest 3rd column) of unique values in last column
k = np.unique(a[j, -1], return_index=True)[1]

print(a[j[k]])

这将返回所需的结果

[[ 0.   1.   1.2  3. ]
 [ 3.   4.   2.8  4. ]
 [ 2.   6.   2.3  5. ]]