二维 numpy 数组中行或列最常见的元素

Question

我试图找到二维 numpy 数组中最常见的元素。我想要它们按行或按列。我搜索了文档和网络，但找不到我正在寻找的内容。让我用一个例子来解释一下；假设我有arr如下：

import numpy as np
arr = np.random.randint(0, 2, size=(5, 2))
arr

# Output
array([[1, 1],
       [0, 0],
       [0, 1],
       [1, 1],
       [1, 0]])

预期输出是一个数组，其中包含列或行中最常见的元素，具体取决于给定的axis输入。我知道np.unique()返回给定输入数组中每个唯一值的计数axis。因此，它计算二维数组中唯一的行或列：

np.unique(arr, return_counts=True, axis=0)

# Output
(array([[0, 0],
       [0, 1],
       [1, 0],
       [1, 1]]), array([1, 1, 1, 2]))

因此，它表明唯一元素[0, 0]、[0, 1]和[1, 0]出现一次，而[1, 1]在 中出现两次arr。这对我不起作用。因为我需要查看行（或列）中最常见的元素。所以我的预期输出如下：

array([[1, 1],    # --> 1
       [0, 0],    # --> 0
       [0, 1],    # --> 0 or 1 since they have same frequency
       [1, 1],    # --> 1
       [1, 0]])   # --> 0 or 1 since they have same frequency

因此，结果可以是array([1, 0, 0, 1, 0])或array([1, 0, 1, 1, 1])形状为(5, )。

附：

我知道可以通过迭代列或行并使用 查找最频繁的元素来找到解决方案np.unique()，但是我想找到最有效的方法。因为，通常 numpy 用于大型数组的矢量化计算，而在我的例子中，输入数组arr有太多元素。使用 for 循环的计算成本会很高。

编辑：

为了更清楚，我添加了一个基于循环的解决方案。由于arr不仅可以包含 0 和 1，还可以包含不同的元素，因此我决定使用不同的随机数arr

arr = np.random.randint(1, 4, size=(10, 3)) * 10

# arr:
array([[30, 30, 30],
       [10, 20, 30],
       [30, 30, 30],
       [30, 10, 20],
       [20, 20, 10],
       [20, 30, 20],
       [20, 30, 10],
       [10, 30, 10],
       [20, 10, 10],
       [20, 30, 30]])

most_freq_elem_in_rows = []
for row in arr:
  elements, counts = np.unique(row, return_counts=True)
  most_freq_elem_in_rows.append(elements[np.argmax(counts)])

# most_freq_elem_in_rows:
# [30, 10, 30, 10, 20, 20, 10, 10, 10, 30]

most_freq_elem_in_cols = []
for col in arr.T:
  elements, counts = np.unique(col, return_counts=True)
  most_freq_elem_in_cols.append(elements[np.argmax(counts)])

# most_freq_elem_in_cols:
# [20, 30, 10]

然后，most_freq_elem_in_rows和most_freq_elem_in_cols可以简单地使用转换numpy数组np.array()

Answer 1

如果您可以添加 scipy 依赖项，则scipy.stats.mode可以实现：

import numpy as np
from scipy.stats import mode

arr = np.random.randint(0, 2, size=(5, 2))

mode(arr, 0)
ModeResult(mode=array([[0, 0]]), count=array([[3, 3]]))

mode(arr,1)
ModeResult(mode=array([[0],
                       [1], 
                       [0],
                       [0],
                       [0]]), 
           count=array([[1],
                        [2],
                        [2],
                        [2],
                        [1]]))