快速，python式的方式在numpy数组中对1的块进行排名？
问题内容：
我有一个numpy的阵列，其中包括0的和1的。1数组中每个的序列表示一个事件的发生。我想用事件特定的ID号标记事件的元素（其他数组元素用np.nan），我当然可以在一个循环中做到这一点，但是还有更多的“
python-ish”（快速，矢量化）方法吗它？
我要标记的带有3个事件的numpy数组的示例。
import numpy as np
arr = np.array([0,0,0,1,1,1,0,0,0,1,1,0,0,0,1,1,1,1])
some_func(arr)
# Expected output of some_func I search for:
# [np.nan,np.nan,np.nan,0,0,0,np.nan,np.nan,np.nan,1,1,np.nan,np.nan,np.nan,2,2,2,2]
问题答案：
您想贴上标签，还好，SciPy有一个，scipy.ndimage.label-
In [43]: from scipy.ndimage import label
In [47]: out = label(arr)[0]
In [48]: np.where(arr==0,np.nan,out-1)
Out[48]:
array([nan, nan, nan, 0., 0., 0., nan, nan, nan, 1., 1., nan, nan,
nan, 2., 2., 2., 2.])
还有一些NumPy的 工作 -
def rank_chunks(arr):
m = np.r_[False,arr.astype(bool)]
idx = np.flatnonzero(m[:-1] < m[1:])
id_ar = np.zeros(len(arr),dtype=float)
id_ar[idx[1:]] = 1
out = id_ar.cumsum()
out[arr==0] = np.nan
return out
另一个与masking+ np.repeat-
def rank_chunks_v2(arr):
m = np.r_[False,arr.astype(bool),False]
idx = np.flatnonzero(m[:-1] != m[1:])
l = idx[1::2]-idx[::2]
out = np.full(len(arr),np.nan,dtype=float)
out[arr!=0] = np.repeat(np.arange(len(l)),l)
return out
时间（将给定的输入平铺到1Mx）-
In [153]: arr_big = np.tile(arr,1000000)
In [154]: %timeit np.where(arr_big==0,np.nan,label(arr_big)[0]-1)
...: %timeit rank_chunks(arr_big)
...: %timeit rank_chunks_v2(arr_big)
1 loop, best of 3: 312 ms per loop
1 loop, best of 3: 263 ms per loop
1 loop, best of 3: 229 ms per loop
