np.unique()对一维和二维数组去重

分手后的思念是犯贱 2023-06-02 08:30 24阅读 0赞

[**numpy.unique(ar, return\_index=False, return\_inverse=False, return\_counts=False, axis=None)\[source\]**][numpy.unique_ar_ return_index_False_ return_inverse_False_ return_counts_False_ axis_None_source]

**一维数组**

对一维数组或列表，unique()函数去除其中重复元素，并按元素大小返回一个新的无重复元组或列表。

import numpy as np
    A = [1, 2, 2, 5,3, 4, 3]
    a = np.unique(A)
    print(a)

[1 2 3 4 5]

C= ['fgfh','asd','fgfh','asdfds','wrh']
    c= np.unique(C)
    print(c)

['asd' 'asdfds' 'fgfh' 'wrh']

**return\_index = True**

# return_index=True表示返回新列表元素在旧列表中的位置，并以列表形式储存在s中。
    a, s= np.unique(A, return_index=True)
    print(a)
    print(s)

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

**return\_inverse = True**

# return_inverse=True 表示返回旧列表元素在新列表中的位置，并以列表形式储存在p中。
    a, s,p = np.unique(A, return_index=True, return_inverse=True)
    print(a)
    print(s)
    print(p)

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

**二维数组**

import numpy
    c=np.array(((1,2),(3,4),(5,6),(7,8),(7,8),(3,4),(1,2)))
    x=c[:,0]+c[:,1]*1j
    print('转化为虚数:',x)
    print('虚数去重后:',np.unique(x))
    print(np.unique(x,return_index=True))#return_index:输出的元素索引值
    idx=np.unique(x,return_index=True)[1]
    print('二维数组去重:\n',c[idx])

转化为虚数: [ 1.+2.j  3.+4.j  5.+6.j  7.+8.j  7.+8.j  3.+4.j  1.+2.j]
    虚数去重后: [ 1.+2.j  3.+4.j  5.+6.j  7.+8.j]
    (array([ 1.+2.j,  3.+4.j,  5.+6.j,  7.+8.j]), array([0, 1, 2, 3], dtype=int64))
    二维数组去重:
     [[1 2]
     [3 4]
     [5 6]
     [7 8]]

print('去重方案2:\n',np.array(list(set([tuple(t) for t in c]))))

去重方案2:
     [[1 2]
     [3 4]
     [5 6]
     [7 8]]

来自：[https://blog.csdn.net/yangyuwen\_yang/article/details/79193770][https_blog.csdn.net_yangyuwen_yang_article_details_79193770]

[https://www.cnblogs.com/Michelle-Yang/p/6730818.html][https_www.cnblogs.com_Michelle-Yang_p_6730818.html]

转载于:https://www.cnblogs.com/keye/p/11168540.html

[numpy.unique_ar_ return_index_False_ return_inverse_False_ return_counts_False_ axis_None_source]: https://docs.scipy.org/doc/numpy-1.13.0/reference/generated/numpy.unique.html
[https_blog.csdn.net_yangyuwen_yang_article_details_79193770]: https://blog.csdn.net/yangyuwen_yang/article/details/79193770
[https_www.cnblogs.com_Michelle-Yang_p_6730818.html]: https://www.cnblogs.com/Michelle-Yang/p/6730818.html