有效的方法来计算Python列表中的列表向量

Question

我正在寻找一种有效的方法来计算Python中列表的列向量，类似于R的rank函数。在一个简单的列表与所述元件之间没有联系，元件我列表l的秩向量的应X当且仅当是l[i]在排序列表中的X个元件。这是简单的，到目前为止，下面的代码片段的伎俩：

def rank_simple(vector): 
    return sorted(range(len(vector)), key=vector.__getitem__) 

事情变得复杂，但是，如果原来的列表中有关系（具有相同的价值，即多个元素）。在这种情况下，具有相同价值的所有要素应该具有相同的等级，这是使用上述朴素方法获得的等级的平均值。所以，例如，如果我有[1, 2, 3, 3, 3, 4, 5]，天真的排名给了我[0, 1, 2, 3, 4, 5, 6]，但我想要的是[0, 1, 3, 3, 3, 5, 6]。哪一个是在Python中执行此操作的最有效方法？

---

脚注：我不知道NumPy是否已经有一个方法来实现这一点，如果是这样，请让我知道，但无论如何，我会对纯Python解决方案感兴趣，因为我正在开发一个不带NumPy的工具。

Answer 1

使用SciPy的，你正在寻找的功能是scipy.stats.rankdata：

In [13]: import scipy.stats as ss 
In [19]: ss.rankdata([3, 1, 4, 15, 92]) 
Out[19]: array([ 2., 1., 3., 4., 5.]) 

In [20]: ss.rankdata([1, 2, 3, 3, 3, 4, 5]) 
Out[20]: array([ 1., 2., 4., 4., 4., 6., 7.]) 

队伍从1开始，而不是0（如在你的例子），但话又说回来，这就是方法R的rank函数也适用。

这里是一个纯Python相当于scipy的rankdata功能：

def rank_simple(vector): 
    return sorted(range(len(vector)), key=vector.__getitem__) 

def rankdata(a): 
    n = len(a) 
    ivec=rank_simple(a) 
    svec=[a[rank] for rank in ivec] 
    sumranks = 0 
    dupcount = 0 
    newarray = [0]*n 
    for i in xrange(n): 
     sumranks += i 
     dupcount += 1 
     if i==n-1 or svec[i] != svec[i+1]: 
      averank = sumranks/float(dupcount) + 1 
      for j in xrange(i-dupcount+1,i+1): 
       newarray[ivec[j]] = averank 
      sumranks = 0 
      dupcount = 0 
    return newarray 

print(rankdata([3, 1, 4, 15, 92])) 
# [2.0, 1.0, 3.0, 4.0, 5.0] 
print(rankdata([1, 2, 3, 3, 3, 4, 5])) 
# [1.0, 2.0, 4.0, 4.0, 4.0, 6.0, 7.0] 

Answer 2

这不给你指定的确切结果，但也许这将是有益的反正。下面的代码片段给人的第一指标的每个元素，产生[0, 1, 2, 2, 2, 5, 6]

def rank_index(vector): 
    return [vector.index(x) for x in sorted(range(n), key=vector.__getitem__)] 

自己的测试的最终排名矢量必须证明这样做的效率。

Answer 3

有一个非常好的模块名为排名http://pythonhosted.org/ranking/与易于遵循的指导页面。要下载，只需使用easy_install ranking

Answer 4

下面是unutbu代码的一个小变体，包括绑定行的值类型的可选“方法”参数。

def rank_simple(vector): 
    return sorted(range(len(vector)), key=vector.__getitem__) 

def rankdata(a, method='average'): 
    n = len(a) 
    ivec=rank_simple(a) 
    svec=[a[rank] for rank in ivec] 
    sumranks = 0 
    dupcount = 0 
    newarray = [0]*n 
    for i in xrange(n): 
     sumranks += i 
     dupcount += 1 
     if i==n-1 or svec[i] != svec[i+1]: 
      for j in xrange(i-dupcount+1,i+1): 
       if method=='average': 
        averank = sumranks/float(dupcount) + 1 
        newarray[ivec[j]] = averank 
       elif method=='max': 
        newarray[ivec[j]] = i+1 
       elif method=='min': 
        newarray[ivec[j]] = i+1 -dupcount+1 
       else: 
        raise NameError('Unsupported method') 

      sumranks = 0 
      dupcount = 0 


    return newarray 

Answer 5

这些代码给了我很多灵感，特别是unutbu的代码。但是我的需求比较简单，所以我稍微改了一些代码。

希望能帮助有相同需求的人。

这里是记录玩家的得分和排名的课程。

class Player(): 
    def __init__(self, s, r): 
     self.score = s 
     self.rank = r 

有些数据。

l = [Player(90,0),Player(95,0),Player(85,0), Player(90,0),Player(95,0)] 

这里是计算的代码：

l.sort(key=lambda x:x.score, reverse=True)  
l[0].rank = 1 
dupcount = 0 
prev = l[0] 
for e in l[1:]: 
    if e.score == prev.score: 
     e.rank = prev.rank 
     dupcount += 1 
    else: 
     e.rank = prev.rank + dupcount + 1 
     dupcount = 0 
     prev = e 

Answer 6

import numpy as np 

def rankVec(arg): 
    p = np.unique(arg) #take unique value 
    k = (-p).argsort().argsort() #sort based on arguments in ascending order 
    dd = defaultdict(int) 
    for i in xrange(np.shape(p)[0]): 
     dd[p[i]] = k[i] 
    return np.array([dd[x] for x in arg]) 

timecomplexity是46.2us

Answer 7

这是我写来计算排名的功能之一。

def calculate_rank(vector): 
     a={} 
     rank=1 
     for num in sorted(vector): 
      if num not in a: 
       a[num]=rank 
       rank=rank+1 
     return[a[i] for i in vector] 

输入：calculate_rank（[1,3,4,8,7,5,4,6]）
输出：[1，2，3，7，6,4，3，5]