如何在 NumPy 数组中计算唯一值的频率？

---

分析 NumPy 数组中唯一值的频率是数据分析中的一项常见任务。它提供了对元素分布和出现情况的有价值的见解，从而能够有效地探索和预处理数据。在本文中，我们将探讨各种方法来计算 NumPy 数组中唯一值的频率。通过利用内置的 NumPy 函数和外部库（如 pandas 和 collections），我们将指导您逐步实现这些技术。通过本综合指南，您将获得准确分析和提取 NumPy 数组中有意义的信息所需的知识。

方法 1：使用 np.unique() 函数

NumPy 提供了 np.unique() 函数，该函数返回数组的排序唯一元素。通过指定 return_counts=True 参数，它还会返回每个唯一元素的计数。让我们看看如何使用此函数来计算 NumPy 数组中唯一值的频率

import numpy as np

# Create a NumPy array
arr = np.array([1, 2, 3, 2, 4, 1, 3, 4, 4, 4])

# Get the unique values and their counts
unique_values, counts = np.unique(arr, return_counts=True)

# Print the results
for value, count in zip(unique_values, counts):
    print(f"{value} occurs {count} times")

输出

1 occurs 2 times
2 occurs 2 times
3 occurs 2 times
4 occurs 4 times

通过使用 np.unique() 函数，我们获得了两个数组：unique_values 包含唯一元素，counts 包含相应的频率。然后，我们可以使用 zip() 函数同时遍历这些数组并打印结果。

方法 2：使用 collections.Counter() 函数

计算 NumPy 数组中唯一值频率的另一种方法涉及使用 collections.Counter() 函数。此函数是 Python 标准库的一部分，并提供了一种有效的方法来计算集合中元素的出现次数。以下是如何使用此函数的示例

import numpy as np
from collections import Counter

# Create a NumPy array
arr = np.array([1, 2, 3, 2, 4, 1, 3, 4, 4, 4])

# Count the frequency of unique values
counts = Counter(arr)

# Print the results
for value, count in counts.items():
    print(f"{value} occurs {count} times")

输出

1 occurs 2 times
2 occurs 2 times
3 occurs 2 times
4 occurs 4 times

当应用 Counter(arr) 时，NumPy 数组被转换为类似字典的对象，其中键表示唯一值，值表示相应的频率。然后，在遍历 Counter 对象的内容后，可以打印结果。

方法 3：使用 np.bincount() 函数

我们可以使用 np.bincount() 函数来计算非负整数 NumPy 数组中不同值的频率。此函数创建一个新数组并计算原始数组中每个非负整数的实例。此新数组中的索引代表不同的值，并且伴随的项表示其频率。以下是如何应用此策略的说明

import numpy as np

# Create a NumPy array
arr = np.array([1, 2, 3, 2, 4, 1, 3, 4, 4, 4])

# Get the frequency of unique values
counts = np.bincount(arr)

# Print the results
for value, count in enumerate(counts):
    if count > 0:
        print(f"{value} occurs {count} times")

输出

1 occurs 2 times
2 occurs 2 times
3 occurs 2 times
4 occurs 4 times

在此方法中，我们将 np.bincount() 函数应用于 NumPy 数组。结果数组 counts 包含数组中存在的每个非负整数的频率。然后，我们可以使用 enumerate() 函数遍历 counts 数组的索引和相应元素，并打印计数大于零的值。

方法 4：使用 pandas.value_counts() 函数

如果您已安装 pandas 库，则可以使用其 value_counts() 函数来计算 NumPy 数组中唯一值的频率。此函数返回一个 Series 对象，其中包含唯一值作为索引，以及它们相应的频率作为值。以下是一个示例

import numpy as np
import pandas as pd

# Create a NumPy array
arr = np.array([1, 2, 3, 2, 4, 1, 3, 4, 4, 4])

# Convert the array to Series
series = pd.Series(arr)

# Get the frequency of unique values
counts = series.value_counts()

# Print the results
for value, count in counts.items():
    print(f"{value} occurs {count} times")

输出

4 occurs 4 times
1 occurs 2 times
3 occurs 2 times
2 occurs 2 times

通过将 NumPy 数组转换为 pandas Series，我们可以使用 value_counts() 函数创建一个包含唯一值及其相应频率的 Series 对象。在遍历 Series 对象的项目后，可以打印结果。

结论

在本文中，我们介绍了各种计算 NumPy 数组中唯一值频率的方法，例如 np.unique()、collections.Counter()、np.bincount() 和 pandas.value_counts()。根据您的特定需求和可用库，这些方法提供了不同的优势。通过应用这些技术，您可以有效地从数据中获得见解并高效地进行有意义的分析。