如何以矢量化方式查找特定轴上二维数组的唯一向量？

我有一个形状数组(n,t)我想将其视为一个时间序列n-vectors.

我想知道独特的n-vector沿线存在的价值观t-dimension以及相关的t-indices对于每个独特的向量。我很乐意使用任何合理的平等定义（例如numpy.unique将采取浮动）

通过 Python 循环就可以轻松实现这一点t但我希望有一种矢量化方法。

在某些特殊情况下，可以通过折叠来完成n-vectors转换为标量（并使用numpy.unique在第 1d 结果上），例如如果你有布尔值，你可以使用向量化dot与(2**k)向量将（布尔向量）转换为整数，但我正在寻找一个相当通用的解决方案。

如果数组的形状是 (t, n)——因此每个 n 向量的数据在内存中是连续的——您可以将二维数组的视图创建为一维结构化数组，然后使用numpy.unique 在此视图上。

如果您可以更改数组的存储约定，或者如果您不介意制作转置数组的副本，那么这可能适合您。

这是一个例子：

import numpy as np

# Demo data.
x = np.array([[1,2,3],
              [2,0,0],
              [1,2,3],
              [3,2,2],
              [2,0,0],
              [2,1,2],
              [3,2,1],
              [2,0,0]])

# View each row as a structure, with field names 'a', 'b' and 'c'.
dt = np.dtype([('a', x.dtype), ('b', x.dtype), ('c', x.dtype)])
y = x.view(dtype=dt).squeeze()

# Now np.unique can be used.  See the `unique` docstring for
# a description of the options.  You might not need `idx` or `inv`.
u, idx, inv = np.unique(y, return_index=True, return_inverse=True)

print("Unique vectors")
print(u)