如何获取numpy数组中重复元素的所有索引的列表？

Question

我正在尝试获取numpy数组中所有重复元素的索引，但是我目前发现的解决方案对于大型（>
20000个元素）输入数组（大约需要9秒钟的时间），实际上效率很低。这个想法很简单：

1. records_array是一个时间戳（datetime）的numpy数组，我们要从中提取重复时间戳的索引

2. time_array 是一个numpy数组，其中包含在中重复的所有时间戳 records_array

3. records是一个django QuerySet（可以轻松转换为列表），其中包含一些Record对象。我们要创建一个由Record的tagId属性的所有可能组合形成的对的列表，这些对应该是从中找到的重复时间戳所对应的records_array。

这是我目前可用的（但效率低下）代码：

tag_couples = [];
for t in time_array:
    users_inter = np.nonzero(records_array == t)[0] # Get all repeated timestamps in records_array for time t
    l = [str(records[i].tagId) for i in users_inter] # Create a temporary list containing all tagIds recorded at time t
    if l.count(l[0]) != len(l): #remove tuples formed by the first tag repeated
        tag_couples +=[x for x in itertools.combinations(list(set(l)),2)] # Remove duplicates with list(set(l)) and append all possible couple combinations to tag_couples

我很确定可以通过使用Numpy来优化此方法，但是我找不到不使用for循环就可以records_array与的每个元素进行比较的方法time_array（这不能仅通过使用来进行比较==，因为它们都是数组）。

Answer 1

numpy的向量化解法，作用于unique()。

import numpy as np

# create a test array
records_array = np.array([1, 2, 3, 1, 1, 3, 4, 3, 2])

# creates an array of indices, sorted by unique element
idx_sort = np.argsort(records_array)

# sorts records array so all unique elements are together 
sorted_records_array = records_array[idx_sort]

# returns the unique values, the index of the first occurrence of a value, and the count for each element
vals, idx_start, count = np.unique(sorted_records_array, return_counts=True, return_index=True)

# splits the indices into separate arrays
res = np.split(idx_sort, idx_start[1:])

#filter them with respect to their size, keeping only items occurring more than once
vals = vals[count > 1]
res = filter(lambda x: x.size > 1, res)

下面的代码是原始答案，它需要使用numpy广播和调用unique两次的更多内存：

records_array = array([1, 2, 3, 1, 1, 3, 4, 3, 2])
vals, inverse, count = unique(records_array, return_inverse=True,
                              return_counts=True)

idx_vals_repeated = where(count > 1)[0]
vals_repeated = vals[idx_vals_repeated]

rows, cols = where(inverse == idx_vals_repeated[:, newaxis])
_, inverse_rows = unique(rows, return_index=True)
res = split(cols, inverse_rows[1:])

符合预期 res = [array([0, 3, 4]), array([1, 8]), array([2, 5, 7])]