切换第二个矩阵的列索引，直到与第一个矩阵的最大匹配（二进制值）

Question

起点：两个一个热编码数组

import numpy as np
import pandas as pd

arr1 = np.array([[1, 1, 0],
                 [0, 1, 0],
                 [0, 1, 1]])

arr2 = np.array([[0, 1, 0],
                 [0, 0, 1],
                 [1, 0, 1]])

匹配arr1和arr2:4/9

Aim：以多数数字匹配的方式切换arr2中的列，然后给出索引。

---

切换列0和1：

arr2b = np.array([[1, 0, 0],
                  [0, 0, 1],
                  [0, 1, 1]])

匹配arr1和arr2b:6/9

---

在arr2上使用所选列索引时的输出，例如借助数据帧：

col_idx = [1, 0, 2] # (column 0 and 1 are switched here)
pd.DataFrame(data=arr2).iloc[:,col_idx]

但这可能不是最好的结果。如何通过代码找到arr2的最佳列索引

Answer 1

from itertools import permutations
import numpy as np
import pandas as pd
    
arr1 = np.array([[1, 1, 0],
                 [0, 1, 0],
                 [0, 1, 1]])

arr2 = np.array([[0, 1, 0],
                 [0, 0, 1],
                 [1, 0, 1]])

切换列索引的所有排列如下所示：

prm = list(permutations(range(arr2.shape[1])))

是：[（0,1,2）、（0,2,1）、（1,0,2）、（1,2,0）、（2,0,1）、（2,1,0）]

我们循环所有这些排列，并检查命中了多少个数字：

matches = [(arr1==np.array(b[:,x])).sum() for x in prm]

is:[4,4,6,8,2,4]

prm_idx = np.argmax(matches)

is:3

best_col_idx = list(prm[prm_idx])

is:[1,2,0]

arr2[:,best_col_idx]

是:

array([[1, 0, 0],
       [0, 1, 0],
       [0, 1, 1]])

或在df中：

pd.DataFrame(data=arr2).iloc[:,best_col_idx]

检查：

(arr1==np.array(arr2[:,[1, 2, 0]]))

是:

array([[ True, False,  True],
       [ True,  True,  True],
       [ True,  True,  True]])

因此，8xTrue是正确的，最大化列索引开关是正确的