如何用NumPy/SciPy映射数组值消除间隙并随机重排？

嘿，这两个需求都能用NumPy完美解决，我来给你一步步拆解：

你的核心需求是：把原数组中每个不同元素映射到连续的整数（从0开始，无缺失），相同元素对应同一个值，同时完全保留原数组的元素顺序。

用NumPy的np.unique()函数就能直接搞定，关键是用到它的return_inverse参数——这个参数会返回原数组每个元素在排序后的唯一元素数组中的索引，刚好匹配你给出的示例输出：

import numpy as np

a = np.array([0,0,1,1,4,4,4,4,5,1891,7])
# 获取排序后的唯一元素，以及原元素对应的映射索引
_, arr_map = np.unique(a, return_inverse=True)
print(arr_map)  # 输出: [0 0 1 1 2 2 2 2 3 5 4]

如果你的需求是按元素首次出现的顺序分配映射值（而非按数值大小排序），可以稍微调整逻辑，用return_index参数先锁定首次出现的位置，再生成映射：

# 获取每个唯一元素首次出现的索引
_, idx = np.unique(a, return_index=True)
# 按首次出现顺序排序得到唯一元素列表
unique_ordered = a[np.sort(idx)]
# 生成每个元素对应的映射值
arr_map = np.searchsorted(unique_ordered, a)
print(arr_map)  # 输出: [0 0 1 1 2 2 2 2 3 4 5]

这个版本里，1891会被映射为4，7映射为5，因为它们首次出现的顺序在5之后。

要交换/打乱映射后的数值，本质就是定义一个置换规则，用置换数组重新映射原结果即可。

比如你想要把示例中的[0,0,1,1,2,2,2,2,3,5,4]转换成[0,0,3,3,5,5,5,5,4,1,2]，可以先自定义置换规则，再应用到原映射结果上：

# 原映射结果
arr_map = np.array([0,0,1,1,2,2,2,2,3,5,4])
# 置换数组：索引是原映射值，对应的值是新的映射值
perm = np.array([0, 3, 5, 4, 2, 1])
# 应用置换规则
shuffled_arr = perm[arr_map]
print(shuffled_arr)  # 输出: [0 0 3 3 5 5 5 5 4 1 2]

如果想要随机打乱映射值（保证每个原映射值对应唯一的新值，无冲突），可以用np.random.permutation()生成随机置换：

# 获取映射值的范围（0到最大映射值）
n = arr_map.max() + 1
# 生成随机置换数组
random_perm = np.random.permutation(n)
# 应用随机置换
random_shuffled = random_perm[arr_map]
print(random_shuffled)  # 输出类似: [1 1 0 0 3 3 3 3 4 2 5]（每次运行结果不同）

内容的提问来源于stack exchange，提问作者Liwellyen