問題描述：

在一個(gè) 220*2 的矩陣 A 中，以行為單位（即每行），行與行之間不存在重復(fù)的數(shù)據(jù)。現(xiàn)已經(jīng)得到了矩陣 A 中的 i 行數(shù)據(jù)構(gòu)成的矩陣 B，求另外 220-i 行數(shù)據(jù)構(gòu)成的矩陣 C 。

問題分析：
很明顯這個(gè)問題其實(shí)并不難，我們最容易想到的解決辦法就是for循環(huán)，一個(gè)不行就兩個(gè)，兩個(gè)不行就三個(gè)……但如果要求你盡可能少的使用for循環(huán)時(shí)，這個(gè)問題又該如何處理呢？

本文實(shí)驗(yàn)環(huán)境：Python 3.6.1 |Anaconda 4.4.0 (64-bit)

方案1

拼接矩陣 + 虛數(shù)轉(zhuǎn)化 + 計(jì)數(shù)器

針對(duì)東小羊的這個(gè)具體的應(yīng)用場(chǎng)景，可以一個(gè)for循環(huán)也不使用。我們將B矩陣拼接在A矩陣的下方，得到拼接矩陣A_B，由于只有兩列數(shù)據(jù)，所以我們借助虛數(shù)的概念，將每一行數(shù)據(jù)轉(zhuǎn)化為一個(gè)整體，再使用計(jì)數(shù)器判斷矩陣A_B中每個(gè)元素的個(gè)數(shù)，其中個(gè)數(shù)為1的即是我們要尋找的數(shù)據(jù)。創(chuàng)建 get_others.py 代碼如下：

import numpy as np
from collections import Counter

mat = np.arange(20).reshape((10, 2))
sample_1 = np.arange(0, 6).reshape((3, 2))  # 測(cè)試樣例
############# 關(guān)鍵代碼開始 #############
con_mat = np.concatenate((mat, sample_1), axis=0)  # 拼接矩陣
x = con_mat[:, 0] + con_mat[:, 1] * 1j  # 利用虛數(shù)
res = np.array(list(Counter(x).values()))
sample_2 = mat[res == 1, :]
############# 關(guān)鍵代碼結(jié)束 #############
print("總的矩陣為：\n", mat)
print("第一部分為：\n", sample_1)
print("第二部分為：\n", sample_2)

上述代碼的缺陷在于，僅僅只適用于矩陣為兩列的情況，如何讓代碼的魯棒性更強(qiáng)呢。

方案2

拼接矩陣 + 元組轉(zhuǎn)化 + 計(jì)數(shù)器

·方案1 中的虛數(shù)轉(zhuǎn)化其實(shí)就是將一行數(shù)據(jù)變?yōu)橐粋€(gè)單元，那么同樣的我們可以將 get_others.py 中的虛數(shù)轉(zhuǎn)換部分改變?yōu)?tuple 即可，修改后的代碼如下：

import numpy as np
from collections import Counter

mat = np.arange(20).reshape((10, 2))
sample_1 = np.arange(0, 6).reshape((3, 2))  # 測(cè)試樣例
############# 關(guān)鍵代碼開始 #############
con_mat = np.concatenate((mat, sample_1), axis=0)  # 拼接矩陣
con_row_tuple = [tuple(t) for t in con_mat] # 將矩陣中的每一行轉(zhuǎn)換為tuple類型
res = np.array(list(Counter(con_row_tuple).values()))
sample_2 = mat[res == 1, :]
############# 關(guān)鍵代碼結(jié)束 #############
print("總的矩陣為：\n", mat)
print("第一部分為：\n", sample_1)
print("第二部分為：\n", sample_2)

方案3

元組轉(zhuǎn)化 + 集合運(yùn)算

在前面的基礎(chǔ)上，只要你明白了每一行為一個(gè)元素，那么引入集合來進(jìn)行減運(yùn)算也是非常容易理解的了。代碼如下：

import numpy as np

mat = np.arange(20).reshape((10, 2))
sample_1 = np.arange(0, 6).reshape((3, 2))  # 測(cè)試樣例
############# 關(guān)鍵代碼開始 #############
mat_tuple_set = set([tuple(t) for t in mat])  # 將矩陣中的每一行轉(zhuǎn)換為tuple類型并將結(jié)果轉(zhuǎn)為集合類型
sample_tuple_set = set([tuple(t) for t in sample_1])  # 將矩陣中的每一行轉(zhuǎn)換為tuple類型并將結(jié)果轉(zhuǎn)為集合類型
sample_2 = np.array([list(t) for t in (mat_tuple_set - sample_tuple_set)])  # 集合相減，再將結(jié)果轉(zhuǎn)換為二維矩陣形式
############# 關(guān)鍵代碼結(jié)束 #############
print("總的矩陣為：\n", mat)
print("第一部分為：\n", sample_1)
print("第二部分為：\n", sample_2)

利用集合來解決這個(gè)問題的思路是不錯(cuò)的，但主要在數(shù)據(jù)類型的轉(zhuǎn)換上花了較多時(shí)間。

總結(jié)

通過本文的描述，二維矩陣按行（列）去重或計(jì)數(shù)有了一定的解決辦法。去重和計(jì)數(shù)問題平常見得比較多的主要出現(xiàn)在一維的列表或數(shù)組中，通過借助 numpy.unique() 、collections.Counter() 或 轉(zhuǎn)換為 set 類型等等方法進(jìn)行解決。