web-dev-qa-db-ja.com

Python / NumPyを使用して、配列内の項目を2回並べ替えずにランク付けします

数字の配列があり、最初の配列の各アイテムのランクを表す別の配列を作成したいと思います。私はPythonとNumPyを使用しています。

例えば：

array = [4,2,7,1]
ranks = [2,1,3,0]

私が思いついた最良の方法は次のとおりです。

array = numpy.array([4,2,7,1])
temp = array.argsort()
ranks = numpy.arange(len(array))[temp.argsort()]

配列を2回ソートすることを回避する、より良い/より速い方法はありますか？

pythonsortingnumpy
78
joshayers

最後の手順の左側でスライスを使用します。

array = numpy.array([4,2,7,1])
temp = array.argsort()
ranks = numpy.empty_like(temp)
ranks[temp] = numpy.arange(len(array))

これにより、最後のステップで順列を反転することにより、2回ソートする必要がなくなります。

54
Sven Marnach

Argsortを2回使用します。最初に配列の順序を取得し、次にランキングを取得します。

array = numpy.array([4,2,7,1])
order = array.argsort()
ranks = order.argsort()

2D（またはより高次元の）配列を扱うときは、軸の引数をargsortに渡して、正しい軸に沿って順序付けするようにしてください。

82
k.rooijers

この質問は数年前のものであり、受け入れられている答えは素晴らしいものですが、次のことはまだ言及する価値があると思います。 scipyへの依存関係を気にしない場合は、 scipy.stats.rankdata ：

In [22]: from scipy.stats import rankdata

In [23]: a = [4, 2, 7, 1]

In [24]: rankdata(a)
Out[24]: array([ 3.,  2.,  4.,  1.])

In [25]: (rankdata(a) - 1).astype(int)
Out[25]: array([2, 1, 3, 0])

rankdataの優れた機能は、method引数がタイを処理するためのいくつかのオプションを提供することです。たとえば、bには20が3回出現し、40が2回出現します。

In [26]: b = [40, 20, 70, 10, 20, 50, 30, 40, 20]

デフォルトでは、同順位の値に平均ランクが割り当てられます。

In [27]: rankdata(b)
Out[27]: array([ 6.5,  3. ,  9. ,  1. ,  3. ,  8. ,  5. ,  6.5,  3. ])

method='ordinal'は連続したランクを割り当てます。

In [28]: rankdata(b, method='ordinal')
Out[28]: array([6, 2, 9, 1, 3, 8, 5, 7, 4])

method='min'は、タイ値の最小ランクをすべてのタイ値に割り当てます。

In [29]: rankdata(b, method='min')
Out[29]: array([6, 2, 9, 1, 2, 8, 5, 6, 2])

その他のオプションについては、docstringをご覧ください。

73
Warren Weckesser

複数の次元の配列Aの両方のソリューションを拡張しようとしました。配列を行ごとに処理すると仮定します（軸= 1）。

行のループで最初のコードを拡張しました。おそらくそれは改善することができます

temp = A.argsort(axis=1)
rank = np.empty_like(temp)
rangeA = np.arange(temp.shape[1])
for iRow in xrange(temp.shape[0]): 
    rank[iRow, temp[iRow,:]] = rangeA

そして、k.rooijersの提案に続く2番目のものは次のようになります。

temp = A.argsort(axis=1)
rank = temp.argsort(axis=1)

形状（1000,100）の400個の配列をランダムに生成しました。最初のコードは約7.5、2番目のコードは3.8でした。

4
Igor Fobia

平均ランクのベクトル化バージョンについては、以下を参照してください。私はnp.uniqueが大好きです。これは、コードを効率的にベクトル化できるものとできないものの範囲を本当に広げます。 python for-loopsを回避することに加えて、このアプローチは 'a'に対する暗黙の二重ループも回避します。

import numpy as np

a = np.array( [4,1,6,8,4,1,6])

a = np.array([4,2,7,2,1])
rank = a.argsort().argsort()

unique, inverse = np.unique(a, return_inverse = True)

unique_rank_sum = np.zeros_like(unique)
np.add.at(unique_rank_sum, inverse, rank)
unique_count = np.zeros_like(unique)
np.add.at(unique_count, inverse, 1)

unique_rank_mean = unique_rank_sum.astype(np.float) / unique_count

rank_mean = unique_rank_mean[inverse]

print rank_mean
4
Eelco Hoogendoorn

上記の方法を試してみましたが、多くの知識があったため失敗しました。はい、フロートであっても重複アイテムが重要になる場合があります。

そこで、タイチェックのステップを追加して、修正された1Dソリューションを作成しました。

def ranks (v):
    import numpy as np
    t = np.argsort(v)
    r = np.empty(len(v),int)
    r[t] = np.arange(len(v))
    for i in xrange(1, len(r)):
        if v[t[i]] <= v[t[i-1]]: r[t[i]] = r[t[i-1]]
    return r

# test it
print sorted(Zip(ranks(v), v))

可能な限り効率的だと思います。

2
h2kyeong

ソリューションの優雅さと短さは別として、パフォーマンスの問題もあります。ここに小さなベンチマークがあります：

import numpy as np
from scipy.stats import rankdata
l = list(reversed(range(1000)))

%%timeit -n10000 -r5
x = (rankdata(l) - 1).astype(int)
>>> 128 µs ± 2.72 µs per loop (mean ± std. dev. of 5 runs, 10000 loops each)

%%timeit -n10000 -r5
a = np.array(l)
r = a.argsort().argsort()
>>> 69.1 µs ± 464 ns per loop (mean ± std. dev. of 5 runs, 10000 loops each)

%%timeit -n10000 -r5
a = np.array(l)
temp = a.argsort()
r = np.empty_like(temp)
r[temp] = np.arange(len(a))
>>> 63.7 µs ± 1.27 µs per loop (mean ± std. dev. of 5 runs, 10000 loops each)
2
Mykhailo Lisovyi

Argsort（）を2回使用するとそれができます：

>>> array = [4,2,7,1]
>>> ranks = numpy.array(array).argsort().argsort()
>>> ranks
array([2, 1, 3, 0])
1
Kwong

私はk.rooijersによる方法が好きでしたが、rcoupが書いたように、繰り返される数字は配列の位置に従ってランク付けされます。これは私には良くありませんでしたので、ランクを後処理し、繰り返される数字を結合平均ランクにマージするようにバージョンを変更しました：

import numpy as np
a = np.array([4,2,7,2,1])
r = np.array(a.argsort().argsort(), dtype=float)
f = a==a
for i in xrange(len(a)):
   if not f[i]: continue
   s = a == a[i]
   ls = np.sum(s)
   if ls > 1:
      tr = np.sum(r[s])
      r[s] = float(tr)/ls
   f[s] = False

print r  # array([ 3. ,  1.5,  4. ,  1.5,  0. ])

これが他の人にも役立つことを願っています、これに対する別の解決策を見つけようとしましたが、見つかりませんでした...

0
Martin F Thomsen