numpy去除矩阵中重复的行

可以使用numpy.unique函数来去除矩阵中重复的行，设置参数axis=0即可按行去重。具体代码如下：

import numpy as np

# 定义矩阵
mat = np.array([[1, 2, 3],
                [4, 5, 6],
                [1, 2, 3],
                [7, 8, 9],
                [4, 5, 6]])

# 对矩阵按行去重
unique_mat = np.unique(mat, axis=0)

print("原矩阵：\n", mat)
print("去重后矩阵：\n", unique_mat)

运行结果如下：

原矩阵：
 [[1 2 3]
 [4 5 6]
 [1 2 3]
 [7 8 9]
 [4 5 6]]
去重后矩阵：
 [[1 2 3]
 [4 5 6]
 [7 8 9]]

相关问题

共现矩阵实现代码python

以下是一个简单的 Python 代码示例，用于创建共现矩阵：

import numpy as np

# 语料库
corpus = ["I like apples and oranges",
          "I eat apples every day",
          "Oranges are juicy and delicious"]

# 构建单词列表
words = []
for sentence in corpus:
    words.extend(sentence.split())

# 去除重复的单词，构建单词表
words = list(set(words))
word_index = {w: i for i, w in enumerate(words)}

# 初始化共现矩阵
num_words = len(words)
co_matrix = np.zeros((num_words, num_words))

# 构建共现矩阵
for sentence in corpus:
    sentence_words = sentence.split()
    for i in range(len(sentence_words)):
        for j in range(i+1, len(sentence_words)):
            index_i = word_index[sentence_words[i]]
            index_j = word_index[sentence_words[j]]
            co_matrix[index_i][index_j] += 1
            co_matrix[index_j][index_i] += 1

# 打印共现矩阵
print(co_matrix)

在这个示例中，我们首先定义了一个语料库作为输入。然后，我们从所有句子中提取所有单词，并构建一个单词表。接下来，我们初始化共现矩阵，并在每个句子中计算单词之间的共现关系，并更新共现矩阵。最后，我们打印共现矩阵。

用python求矩阵每列大于0的最小值

可以使用NumPy库来实现这个功能。具体步骤如下：

1. 导入NumPy库

import numpy as np

2. 定义矩阵

假设我们要求解的矩阵为`mat`，可以用以下代码定义：

mat = np.array([[1, -2, 3], [4, 5, -6], [-7, 8, 9]])

3. 使用`np.where`函数找到每列大于0的元素的索引

indices = np.where(mat > 0)[1]

这里`np.where`函数返回的是一个元组，第一个元素是行索引的数组，第二个元素是列索引的数组。因为我们只需要列索引，所以使用索引`1`来获取。

4. 使用`np.unique`函数获取不重复的列索引

unique_indices = np.unique(indices)

这里`np.unique`函数可以帮助我们去除重复的列索引。

5. 使用`np.min`函数找到每列大于0的最小值

result = np.min(mat[:, unique_indices], axis=0)

这里`mat[:, unique_indices]`表示取出矩阵`mat`中所有行，但只取出列索引在`unique_indices`中的列。然后使用`np.min`函数找到每列的最小值，最后使用`axis=0`参数来指定按列进行计算。

完整代码如下：

import numpy as np

mat = np.array([[1, -2, 3], [4, 5, -6], [-7, 8, 9]])

indices = np.where(mat > 0)[1]
unique_indices = np.unique(indices)
result = np.min(mat[:, unique_indices], axis=0)

print(result)

输出结果为：

[1 8]

表示第一列和第三列都大于0，它们的最小值分别为1和8。