如何用Numpy高效映射数组值为按出现次数排序的唯一连续值

问题分析 #

你当前的代码通过循环遍历唯一值并替换，虽能实现功能，但时间复杂度为O(k*n)（k为唯一值数量，n为数组长度），数据量较大时效率偏低。同时默认按值排序的连续整数无法突出高频聚类，我们需要改为按出现次数排序的连续整数映射。

高效实现代码 #

import numpy as np

def normalize_by_count(Y):
    # 获取唯一值、对应出现次数，以及原数组的逆索引（每个元素对应唯一值的下标）
    unique_vals, counts, inverse = np.unique(Y, return_counts=True, return_inverse=True)
    
    # 按出现次数降序排序，得到唯一值的排序下标
    sorted_indices = np.argsort(-counts)
    
    # 创建映射表：将原唯一值的下标映射为新的连续整数（次数越多，索引值越小）
    rank_map = np.zeros_like(sorted_indices)
    rank_map[sorted_indices] = np.arange(len(sorted_indices))
    
    # 通过逆索引得到最终的连续整数数组
    return rank_map[inverse]

代码说明 #

1. 高效性：全程使用Numpy向量操作，避免Python循环，时间复杂度优化为O(n log k)（仅np.unique的排序步骤有对数复杂度），处理大规模数据时性能提升明显。
2. 按次数排序：通过np.argsort(-counts)实现按出现次数降序排列，出现次数最多的类别会被映射为0，其次为1，以此类推，让高频聚类在颜色映射中更突出。
3. 无副作用：返回新数组而非修改原输入，避免意外修改原始数据。

对比示例 #

假设输入Y = np.array([3, 1, 2, 1, 3, 3, 5])：

• 原代码输出：[1, 0, 2, 0, 1, 1, 3]（按值排序的索引）
• 新代码输出：[0, 1, 2, 1, 0, 0, 3]（3出现3次→0，1出现2次→1，2和5各1次→2、3）

内容的提问来源于stack exchange，提问作者Lex Podgorny