numpyで対称ペアをすばやく見つける

from itertools import product
import pandas as pd

df = pd.DataFrame.from_records(product(range(10), range(10)))
df = df.sample(90)
df.columns = "c1 c2".split()
df = df.sort_values(df.columns.tolist()).reset_index(drop=True)
#     c1  c2
# 0    0   0
# 1    0   1
# 2    0   2
# 3    0   3
# 4    0   4
# ..  ..  ..
# 85   9   4
# 86   9   5
# 87   9   7
# 88   9   8
# 89   9   9
# 
# [90 rows x 2 columns]

このデータフレーム内のすべての対称ペアの最後の重複をすばやく特定、削除するにはどうすればよいですか？

対称ペアの例は、「（0、1）」が「（1、0）」と等しいことです。後者は削除する必要があります。

アルゴリズムは高速でなければならないので、numpyを使用することをお勧めします。Pythonオブジェクトへの変換は許可されていません。

次に、値を並べ替えることができますgroupby。

a= np.sort(df.to_numpy(), axis=1)
df.groupby([a[:,0], a[:,1]], as_index=False, sort=False).first()

オプション2：ペアが多い場合c1, c2、groupby遅くなる可能性があります。その場合、新しい値を割り当てて次のようにフィルタリングできますdrop_duplicates。

a= np.sort(df.to_numpy(), axis=1) 

(df.assign(one=a[:,0], two=a[:,1])   # one and two can be changed
   .drop_duplicates(['one','two'])   # taken from above
   .reindex(df.columns, axis=1)
)

1つの方法は、np.uniquewith return_index=Trueを使用し、結果を使用してデータフレームにインデックスを付けることです。

a = np.sort(df.values)
_, ix = np.unique(a, return_index=True, axis=0)

print(df.iloc[ix, :])

    c1  c2
0    0   0
1    0   1
20   2   0
3    0   3
40   4   0
50   5   0
6    0   6
70   7   0
8    0   8
9    0   9
11   1   1
21   2   1
13   1   3
41   4   1
51   5   1
16   1   6
71   7   1
...

frozenset

mask = pd.Series(map(frozenset, zip(df.c1, df.c2))).duplicated()

df[~mask]

します

df[~pd.DataFrame(np.sort(df.values,1)).duplicated().values]

パンダとナンピートライから

s=pd.crosstab(df.c1,df.c2)
s=s.mask(np.triu(np.ones(s.shape)).astype(np.bool) & s==0).stack().reset_index()

これは整数用のNumPyベースの1つです-

def remove_symm_pairs(df):
    a = df.to_numpy(copy=False)
    b = np.sort(a,axis=1)
    idx = np.ravel_multi_index(b.T,(b.max(0)+1))
    sidx = idx.argsort(kind='mergesort')
    p = idx[sidx]
    m = np.r_[True,p[:-1]!=p[1:]]
    a_out = a[np.sort(sidx[m])]
    df_out = pd.DataFrame(a_out)
    return df_out

インデックスデータをそのまま保持する場合は、を使用しますreturn df.iloc[np.sort(sidx[m])]。

一般的な数値（ints / floatsなど）の場合、view-based1 を使用します-

# https://stackoverflow.com/a/44999009/ @Divakar
def view1D(a): # a is array
    a = np.ascontiguousarray(a)
    void_dt = np.dtype((np.void, a.dtype.itemsize * a.shape[1]))
    return a.view(void_dt).ravel()

単に取得するステップ置き換えるidxとidx = view1D(b)ではremove_symm_pairs。

これを高速にする必要があり、変数が整数である場合は、次のトリックが役立つことv,wがあります。構築[v+w, np.abs(v-w)] =: [x, y]; 次に、このマトリックスを辞書式順序でソートし、重複を削除して、最後にそれをにマッピングします[v, w] = [(x+y), (x-y)]/2。