如何有效地计算 NumPy 数组中的唯一值？

有效确定 NumPy 数组中唯一值的频率计数

本文探讨了一种计算 NumPy 数组中唯一值的频率计数的有效方法。

使用 numpy.unique 和 return_counts=True （对于 NumPy 版本 1.9 及更高版本）可以有效计算唯一值及其相应的计数。例如：

<code class="python">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)</code>

这种方法在执行速度方面显着优于 scipy.stats.itemfreq 函数，如性能基准测试所示：

<code class="python">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 loop</code>

以上是如何有效地计算 NumPy 数组中的唯一值？的详细内容。更多信息请关注PHP中文网其他相关文章！