如何从python中的numpy矩阵中检索每对可能的列对的唯一出现次数的频率

Posted 2023-02-25

【中文标题】如何从python中的numpy矩阵中检索每对可能的列对的唯一出现次数的频率

【英文标题】：How to retrieve frequencies of the number of unique occurrences of pair letters for every possible pair of columns from a numpy matrix in python

【发布时间】：2013-03-03 15:44:09

【问题描述】：

我有一个使用 numpy 矩阵的矩阵：

>>> print matrix
[['L' 'G' 'T' 'G' 'A' 'P' 'V' 'I']
 ['A' 'A' 'S' 'G' 'P' 'S' 'S' 'G']
 ['A' 'A' 'S' 'G' 'P' 'S' 'S' 'G']
 ['G' 'L' 'T' 'G' 'A' 'P' 'V' 'I']]

我想要的是对于每对可能的列，从每对列中的行中检索每对字母的唯一出现次数的频率。

例如，对于第一对列，即：

[['L' 'G']
 ['A' 'A']
 ['A' 'A']
 ['G' 'L']]

我想检索列中每对字母的频率（注意：字母的顺序很重要）

['L''G'] 的频率 = 1/4

['A' 'A'] 的频率 = 2/4

['G' 'L'] 的频率 = 1/4

一旦计算了第一对列的这些频率，然后对每对其他可能的列组合执行相同的操作。

我认为某种 itertools 将有助于解决这个问题，但我不知道如何...任何帮助将不胜感激

【问题讨论】：

一列中的项目数是否总是偶数？

不，也可能很奇怪

您是在谈论 adjacent 对还是字面意思是“所有其他可能的列对”——即第 1 列和第 5 列、第 1 列和第 6 列、第 2 列和 4，依此类推。

我的意思是所有其他可能的列对，不仅仅是相邻的对

字母的数量是有限的吗？有多少？

【参考方案1】：

我会使用itertools.combinations 和collections.Counter：

for i, j in itertools.combinations(range(len(s.T)), 2):
    c = s[:, [i,j]]
    counts = collections.Counter(map(tuple,c))
    print 'columns  and '.format(i,j)
    for k in sorted(counts):
        print 'Frequency of  = /'.format(k, counts[k], len(c))
    print

生产

columns 0 and 1
Frequency of ('A', 'A') = 2/4
Frequency of ('G', 'L') = 1/4
Frequency of ('L', 'G') = 1/4

columns 0 and 2
Frequency of ('A', 'S') = 2/4
Frequency of ('G', 'T') = 1/4
Frequency of ('L', 'T') = 1/4

[...]

（如果您想要两个订单，将其修改为同时执行 0 1 和 1 0 列是微不足道的，而且我假设每对可能的列都不意味着“每个 相邻 对列”）。

【讨论】：

运行代码时会显示此错误：NameError: name 'itertools' is not defined...你知道为什么吗？

啊，对不起。 s 是矩阵，s.T 是它的转置。我本可以改用range(s.shape[1])。

@ÀngelBa: itertools 和 collections 是模块，例如 numpy。您需要导入它们。在代码前添加import itertools, collections。

谢谢@DSM 还有一个问题.. 我忘了问另外两个参数，列中两个字母（例如 A 和 B）的单独频率......终于有了这个： freq(A,B)/(freq(A)*freq(B))... 也许我应该在另一个问题中问这个

【参考方案2】：

如果您有多余的内存，对于某些大小的数组，我猜想几列多行，做一个更密集的 numpy 解决方案可能会有所回报：

>>> rows, cols = matrix.shape
>>> matches = np.empty((rows, cols, cols, 2), dtype=str)
>>> matches[..., 0] = matrix[:, None, :]
>>> matches[..., 1] = matrix[:, :, None]
>>> matches = matches.view('S2')
>>> matches = matches.reshape((rows, cols, cols))

现在在 matches[:, i, j] 中，i 和 j 列之间存在唯一对，然后您可以这样做：

>>> unique, idx = np.unique(matches[:, 0, 1], return_inverse=True)
>>> counts = np.bincount(idx)
>>> unique
array(['AA', 'GL', 'LG'], 
      dtype='|S2')
>>> counts
array([2, 1, 1])