【Python数据分析系列】一文搞懂二维数组中的排列组合(案例源码)

2023-12-18 15:17:22

一、问题场景

? ? 在工作中,我们经常会碰到这样的问题场景,有一个4行5列的二维数组(4个波段,5个采样点),一行(一个一维数组)代表一个波段,我想知道数组中任意两个波段的差(即构造一个新指数)和水质参数(目标特征变量)的相关系数绝对值最大的情形,之后借助这个新指数做水质参数反演。即需要,计算任意两个一维数组的差值,求相关系数,并记录索引。

from itertools import permutations
from itertools import combinations

# itertools.permutations和itertools.combinations是Python标准库itertools中的两个函数,
# 用于生成集合元素的排列和组合。
  • itertools.permutations(iterable, r=None):

    • permutations函数返回可迭代对象iterable中长度为r的元素排列

    • 如果不指定r,则默认为None,表示生成所有元素的全排列。

    • 返回的排列是以元组的形式表示的。

    • 排列的顺序是按照输入可迭代对象的顺序生成的。

  • itertools.combinations(iterable, r):

    • combinations函数返回可迭代对象iterable中长度为r的元素组合

    • r必须大于等于0且小于等于可迭代对象的长度。

    • 返回的组合是以元组的形式表示的。

    • 组合的顺序是按照输入可迭代对象的顺序生成的。

二、实现过程

2.1 构造二维数组

array_2d = np.random.rand(4, 5)
print(array_2d)

????????这里我构造了一个四行五列的二维数组:

图片

2.2 计算任意两个一维数组的差值,求相关系数,并记录索引

B_1 = []
B_2 = []
dif = []
parameter = [1.2, 1, 0.8, 2, 0.3]
for pair in permutations(enumerate(array_2d), 2):
    idx_a, array_a = pair[0]
    idx_b, array_b = pair[1]
    diff = array_a - array_b
    diff_corr = pd.Series(parameter).corr(pd.Series(diff))
    print(idx_a, idx_b, diff_corr)
    B_1.append(idx_a)
    B_2.append(idx_b)
    dif.append(diff_corr)

????????由于我想知道最优的情形,因此我用了enumerate函数给二维数组打上索引,记录每次取出的数组索引:

图片

2.3 整理结果

df = pd.DataFrame({'波段1':B_1, '波段2':B_2, '差值相关系数':dif})
df = df.sort_values(by='差值相关系数', key=abs)
print(df)

????????结果如下:

图片

小结

????????在上面的例子中,我只演示了itertools.permutations的用法,itertools.permutations函数会生成所有可能的排列,包括考虑元素的顺序。换句话说,它会生成包含相同元素但顺序不同的不同排列。如果不考虑元素的顺序,可以使用itertools.combinations函数,itertools.combinations函数生成的是包含不同元素的组合,不考虑元素的顺序。

好了,本篇内容就到这里,需要数据集和源码的小伙伴可以关注联系我

作者简介:

读研期间发表6篇SCI数据挖掘相关论文,现在某研究院从事数据算法相关科研工作,结合自身科研实践经历不定期分享关于Python、机器学习、深度学习、人工智能系列基础知识与应用案例。致力于只做原创,以最简单的方式理解和学习,关注我一起交流成长。

文章来源:https://blog.csdn.net/sinat_41858359/article/details/135060645
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。