相关疑难解决方法(0)

我有一个大阵列:

[(1.0, 3.0, 1, 427338.4297000002, 4848489.4332)
 (1.0, 3.0, 2, 427344.7937000003, 4848482.0692)
 (1.0, 3.0, 3, 427346.4297000002, 4848472.7469) ...,
 (1.0, 1.0, 7084, 427345.2709999997, 4848796.592)
 (1.0, 1.0, 7085, 427352.9277999997, 4848790.9351)
 (1.0, 1.0, 7086, 427359.16060000006, 4848787.4332)]

我想根据数组中的第二个值(3.0,3.0,3.0 ...... 1.0,1.0,10)将此数组拆分为多个数组.

每次第二个值改变时,我想要一个新数组,所以基本上每个新数组都有相同的第二个值.我已经在Stack Overflow上看了这个,知道命令

np.split(array, number)

但我不是试图将数组拆分为一定数量的数组,而是将其拆分为一个值.我怎样才能以上面指定的方式拆分数组？任何帮助,将不胜感激!

使用这个可重复的小例子,我到目前为止还无法从3个数组生成一个新的整数数组,这些数组包含所有三个输入数组的唯一分组.

这些数组与地形属性有关:

import numpy as np
asp = np.array([8,1,1,2,7,8,2,3,7,6,4,3,6,5,5,4]).reshape((4,4))  #aspect
slp = np.array([9,10,10,9,9,12,12,9,10,11,11,9,9,9,9,9]).reshape((4,4))  #slope
elv = np.array([13,14,14,13,14,15,16,14,14,15,16,14,13,14,14,13]).reshape((4,4)) #elevation

我们的想法是使用GIS例程将地理轮廓分解为3个不同的属性:

• 方位1-8(1 =朝北,2 =东北朝向等)
• 坡度为9-12(9 =缓坡... 12 =最陡斜坡)
• 海拔13-16(13 =最低海拔... 16 =最高海拔)

下面的小图试图描绘我所追求的结果类型(数组显示在左下方).请注意,图中给出的"答案"只是一个可能的答案.只要最终数组在每个行/列索引处包含一个标识唯一分组的整数,我就不关心结果数组中整数的最终排列.

例如,[0,1]和[0,2]处的数组索引具有相同的方面,斜率和高程,因此在结果数组中接收相同的整数标识符.

是否numpy的有一个内置的例程这种事情？

我有一个 NumPy 数组，每行代表一些 (x, y, z) 坐标，如下所示：

a = array([[0, 0, 1],
           [1, 1, 2],
           [4, 5, 1],
           [4, 5, 2]])

我还有另一个 NumPy 数组，其中包含该数组的 z 坐标的唯一值，如下所示：

b = array([1, 2])

如何将函数（我们称之为“f”）应用于 a 中与 b 中的值相对应的每个行组？例如，b 的第一个值是 1，因此我将获取 a 中 z 坐标为 1 的所有行。然后，我将一个函数应用于所有这些值。

最后，输出将是一个与 b 形状相同的数组。

我正在尝试对其进行矢量化以使其尽可能快。谢谢！

预期输出示例（假设 f 是 count()）：

c = array([2, 2])

因为数组 a 中有 2 行，数组 b 中的 z 值为 1，数组 a 中有 2 行，数组 b 中的 z 值为 2。

一个简单的解决方案是像这样迭代数组 b：

for val in b: …

我有 ndarray：

[[1 1]
 [0 2]
 [0 3]
 [1 4]
 [1 5]
 [0 6]
 [1 7]]

我期望这样的减少结果：

[[1 1]
  [0 2]
  [1 4]
  [0 6]
  [1 7]]

结果 ndarray 应包含每组的第一行。我根据第 0 列中的值构建一个组。这是值 0 或 1。

类似的问题在线程中得到解决：Is there any numpy group by function? 但钥匙已排序，在我的情况下它不起作用。

l1 = [1,0,0,1,1,0,1]
l2 = [1,2,3,4,5,6,7]
a = np.array([l1, l2]).T
print(a)
values, indexes = np.unique(a[:, 0], return_index=True)

在 pandas 中，我们可以通过（来自堆栈的解决方案，但我不记得所有者，抱歉没有链接）来实现这一点：

m1 = ( df['c0'] != df['c0'].shift(1)).cumsum()
df = df.groupby([df['c0'], m1]).head(1)

如何用numpy制作它？

谢谢您的解决方案。

编辑：

当 mozway 编写解决方案时，我创建了类似的东西： …