numpy:数组中唯一值的最有效频率计数
numpy:数组中唯一值的最有效频率计数
提问于 2012-05-25 00:15:19
在numpy / scipy，中，有没有一种高效的方法来获取数组中唯一值的频率计数？
大致是这样的：
x = array( [1,1,1,2,2,2,5,25,1,1] )
y = freq_count( x )
print y
>> [[1, 5], [2,3], [5,1], [25,1]](对于R用户来说，我基本上是在寻找table()函数)
回答 16
Stack Overflow用户
回答已采纳
发布于 2012-05-25 00:35:47
看一看np.bincount
http://docs.scipy.org/doc/numpy/reference/generated/numpy.bincount.html
import numpy as np
x = np.array([1,1,1,2,2,2,5,25,1,1])
y = np.bincount(x)
ii = np.nonzero(y)[0]然后：
zip(ii,y[ii])
# [(1, 5), (2, 3), (5, 1), (25, 1)]或者：
np.vstack((ii,y[ii])).T
# array([[ 1, 5],
[ 2, 3],
[ 5, 1],
[25, 1]])或者您想要组合计数和唯一值的方式。
Stack Overflow用户
发布于 2014-09-20 06:54:30
从Numpy 1.9开始，最简单最快的方法是简单地使用numpy.unique，它现在有一个return_counts关键字参数：
import numpy as np
x = np.array([1,1,1,2,2,2,5,25,1,1])
unique, counts = np.unique(x, return_counts=True)
print np.asarray((unique, counts)).T这就给出了：
[[ 1 5]
[ 2 3]
[ 5 1]
[25 1]]与scipy.stats.itemfreq的快速比较
In [4]: x = np.random.random_integers(0,100,1e6)
In [5]: %timeit unique, counts = np.unique(x, return_counts=True)
10 loops, best of 3: 31.5 ms per loop
In [6]: %timeit scipy.stats.itemfreq(x)
10 loops, best of 3: 170 ms per loopStack Overflow用户
发布于 2013-08-13 13:41:21
更新:原始答案中提到的方法已被弃用，我们应该使用新方法：
>>> import numpy as np
>>> x = [1,1,1,2,2,2,5,25,1,1]
>>> np.array(np.unique(x, return_counts=True)).T
array([[ 1, 5],
[ 2, 3],
[ 5, 1],
[25, 1]])原始答案：
您可以使用scipy.stats.itemfreq
>>> from scipy.stats import itemfreq
>>> x = [1,1,1,2,2,2,5,25,1,1]
>>> itemfreq(x)
/usr/local/bin/python:1: DeprecationWarning: `itemfreq` is deprecated! `itemfreq` is deprecated and will be removed in a future version. Use instead `np.unique(..., return_counts=True)`
array([[ 1., 5.],
[ 2., 3.],
[ 5., 1.],
[ 25., 1.]])页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/10741346
复制相关文章
相似问题