如何翻转NumPy矩阵列值：保留NaN并替换重复值为对应翻转值

根据输入输出示例，实际需求可明确为：对NumPy矩阵的每一列，保留原有的NaN值，同时将列中非NaN唯一值按首次出现顺序组成的序列翻转，并将原列中所有重复的非NaN值统一替换为翻转序列中对应位置的值。

解决方案代码 #

import numpy as np

def flip_column_values(arr):
    result = arr.copy()
    for col_idx in range(arr.shape[1]):
        col_data = arr[:, col_idx]
        # 提取非NaN值并获取按首次出现顺序排列的唯一值
        non_nan_vals = col_data[~np.isnan(col_data)]
        unique_vals, idx = np.unique(non_nan_vals, return_index=True)
        unique_vals_sorted = unique_vals[np.argsort(idx)]
        
        # 翻转唯一值序列并创建映射
        flipped_vals = unique_vals_sorted[::-1]
        val_mapping = dict(zip(unique_vals_sorted, flipped_vals))
        
        # 替换非NaN值
        non_nan_mask = ~np.isnan(col_data)
        result[non_nan_mask, col_idx] = np.array([val_mapping[v] for v in col_data[non_nan_mask]])
    
    return result

# 测试示例
A = np.array([
    [1.0, 2.0, 3.0],
    [np.nan, 2.0, np.nan],
    [2.0, 1.0, np.nan],
    [3.0, np.nan, 1.0]
])

A_flipped = flip_column_values(A)
print(A_flipped)

输出结果 #

[[ 3.  1.  1.]
 [nan  1. nan]
 [ 2.  2. nan]
 [ 1. nan  3.]]

代码说明 #

1. 复制原矩阵：避免直接修改输入矩阵，保证原数据不受影响。
2. 遍历列处理：对每一列单独操作：
   • 提取列中的非NaN值，再通过np.unique结合return_index参数，获取按首次出现顺序排列的唯一值序列。
   • 翻转该唯一值序列，创建原值到翻转后值的字典映射。
   • 利用布尔掩码定位非NaN位置，通过映射替换对应的值，NaN位置保持不变。

性能优化（针对大矩阵） #

如果处理大规模矩阵，可将列表推导式替换为矢量化操作，提升效率：

# 替换原列表推导式的部分
non_nan_mask = ~np.isnan(col_data)
# 通过搜索排序获取索引，直接索引翻转后的序列
value_indices = np.searchsorted(unique_vals_sorted, col_data[non_nan_mask])
result[non_nan_mask, col_idx] = flipped_vals[value_indices]

内容的提问来源于stack exchange，提问作者Johannes Wiesner