meshgrid를 통해 쌍을 이루는 numpy 배열의 모든 조합 찾기

Question

값 쌍으로 구성된 numpy 배열이 있다고 가정합니다. 쌍을 찢어 버리지 않고 모든 조합을 찾고 싶습니다. 특히, 나는 이것을 위해 numpy.meshgrid 솔루션을 기대하고 있었다.

ab = np.array([[1,10], [2,20], [3,30], [4,40]]) 

그런 다음 내 원하는 출력이

>>> out: ([1,10], [2,20]) 
     ([1,10], [3,30]) 
     ([1,10], [4,40]) 
     ([2,20], [3,30]) 
     ([2,20], [4,40]) 
     ([3,30], [4,40]) 

가 출력이 중 하나 np.array, 또는 tuple (나는 따라 나중에 변환 할 수 있습니다) 될 수 있습니다 : 같은

배열은 건설 상상해보십시오. 내 결과에서 중복이 어떻게 생략되는지 알아보십시오. 내 커플의 순서를 무시합니다 ( [[1,10], [2,20]]이 이미있는 경우, 내 출력에 [[2,20], [1,10]]이 필요하지 않음). 실제 사례의 경우 ab의 크기는 30,000이므로 속도가 다른 문제입니다.

그래서 내가 처음에 meshgrid를 시도했습니다. 단일 값의 간단한 예를 들어 이 쉽게 (중복 여전히 아직) 수행됩니다

a = np.array([1,2,3,4]) 
mesh = np.array(np.meshgrid(a,a)).T.reshape(-1,2) 
>>> out: [[1 1] 
      [1 2] 
      [1 3] 
      [1 4] 
      [2 1] 
      [...] 
      [4 4]] 

하지만 내 쌍,

mesh = np.array(np.meshgrid(ab,ab)).T 

의 내 시도 나에게

[[[ 1 1] 
    [ 1 10] 
    [ 1 2] 
    [ 1 20] 
    [ 1 3] 
    [ 1 30] 
    [ 1 4] 
    [ 1 40]] 

[[10 1] 
    [10 10] 
    [10 2] 
    [10 20] 
...  
    [40 3] 
    [40 30] 
    [40 4] 
    [40 40]]] 

을 제공

즉, meshgrid가 내 쌍을 분리합니다. 나는 해결책이 가까이 있다고 가정하지만 나는 스스로 해결할 수 없었다. 어떤 도움을 주셔서 감사합니다, 감사합니다!

Answer 1

meshgrid은 가능한 모든 조합을 만들 때 작동하지 않을 것이라고 생각하지 마십시오 (나중에 필터링하지 않아도 됨). 이를 해결하기 위해 두 가지 접근법을 제안 할 수 있습니다.

우리는 중복없이 그 페어 조합의 행 인덱스를 얻을 수 있습니다 다음 행으로 단순히 인덱스가 같은, 원하는 출력을 얻기 위해 1

접근 번호 -

In [99]: r,c = np.triu_indices(len(ab),1) 

In [100]: np.hstack((ab[r], ab[c])) 
Out[100]: 
array([[ 1, 10, 2, 20], 
     [ 1, 10, 3, 30], 
     [ 1, 10, 4, 40], 
     [ 2, 20, 3, 30], 
     [ 2, 20, 4, 40], 
     [ 3, 30, 4, 40]]) 

얻을려면 어레이로 원하는 출력 - 두 번째 축을 따라 스택 -

In [115]: np.stack((ab[r], ab[c]), axis=1) 
Out[115]: 
array([[[ 1, 10], 
     [ 2, 20]], 

     [[ 1, 10], 
     [ 3, 30]], 

     [[ 1, 10], 
     [ 4, 40]], 

     [[ 2, 20], 
     [ 3, 30]], 

     [[ 2, 20], 
     [ 4, 40]], 

     [[ 3, 30], 
     [ 4, 40]]]) 

기능 :

def pairwise_combs1(ab): 
    r,c = np.triu_indices(len(ab),1) 
    return np.stack((ab[r], ab[c]), axis=1) 

접근 # 메모리 효율성 때문에 성능 목표 2 slicing와 또 다른 및 array-initialization -

def pairwise_combs2(ab): 
    n = len(ab) 
    N = n*(n-1)//2 
    out = np.empty((N,2,2),dtype=ab.dtype) 
    idx = np.concatenate(([0], np.arange(n-1,0,-1).cumsum())) 
    start, stop = idx[:-1], idx[1:] 
    for j,i in enumerate(range(n-1)): 
     out[start[j]:stop[j],0] = ab[j] 
     out[start[j]:stop[j],1] = ab[j+1:] 
    return out 

---

런타임 테스트

In [166]: ab = np.random.randint(0,9,(1000,2)) 

In [167]: %timeit pairwise_combs1(ab) 
10 loops, best of 3: 20 ms per loop 

In [168]: %timeit pairwise_combs2(ab) 
100 loops, best of 3: 6.25 ms per loop 

In [169]: np.allclose(pairwise_combs1(ab), pairwise_combs2(ab)) 
Out[169]: True