创建在 2D numpy 数组中充当分组样式查找的字典的最快方法？

Question

假设我有一个 2D numpy 数组，其值对应于一个标签或 class。例如，如果 A = [[0, 0, 1, 1], [1, 1, 1, 0]，则位置 (0, 0), (0, 1), (1, 3) 对应于 class '0'，(0, 2), (0, 3), (1, 0), etc 对应于 class '1'。这是一个非常简单的示例，但一般来说，我会处理包含更多项的矩阵。

我想做的基本上是构建一个字典，其中一个键对应于每个 class 并且其对应的值是一个元组列表，其中每个元组对应于输入矩阵的一个位置，其值为钥匙。换句话说，将输入矩阵按其值分组，并获得每个唯一值出现的位置列表。

现在，我有以下代码：

S = {i: [] for i in range(A.max() + 1)}
for i in range(A.shape[0]):
    index = np.arange(A[i].shape[0])
    sort_idx = np.argsort(A[i])
    cnt = np.bincount(A[i])
    result = np.split(index[sort_idx], np.cumsum(cnt[:-1]))
    for j, k in enumerate(result):
        S[j] += [(i, z) for z in k]

其中 A 是我的输入矩阵。在 500x500 矩阵上平均需要大约 0.4 毫秒到运行。尽管如此，我觉得它可以通过更好地使用矢量化（也许）来进一步改进。

有人可以指导我如何使它变得更简单 and/or 更快吗？任何帮助表示赞赏。谢谢！

Answer 1

您可以更简单地使用 np.argwhere 和 np.unique:

S = {}
for key in np.unique(A):
    S[key] = np.argwhere(A==key)

请注意，这是一个 returns 二维 numpy 数组。

创建在 2D numpy 数组中充当分组样式查找的字典的最快方法？

Fastest way of creating a dictionary which acts as a group-by style look-up in a 2D numpy array?

python

arrays

grouping

numpy

vectorization