Question

我有一个形状为1001,2663的numpy数组。数组包含12和127的值，现在我想计算一个特定值的数量，在这种情况下为12.所以我尝试使用bincount，但那是做得很奇怪看看我得到了什么：

>>> x.shape
(1001, 2663)
>>> np.bincount(x)
Traceback (most recent call last):
  File "<interactive input>", line 1, in <module>
ValueError: object too deep for desired array
>>> y = np.reshape(x, 2665663)
>>> y.shape
(2665663,)
>>> np.bincount(y)
array([      0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,  529750,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0,       0,       0,       0,       0,       0,       0,
             0, 2135913])
>>> np.nonzero(np.bincount(y))
(array([ 12, 127]),)

值529750可能是值12和2135913的频率可能是值127的频率，但它不会告诉我这一点。矩阵的形状也很奇怪。

如果我尝试总结的地方也不会给我正确的价值：

>>> np.sum(np.where(x==12))
907804649

我没有选择：尊重SO的声望，如何在numpy矩阵中获取特定值的频率？

修改

较小的例子。但仍然得到我不太懂的结果。为什么零？

>>> m = np.array([[1,1,2],[2,1,1],[2,1,2]])
>>> np.bincount(m)
Traceback (most recent call last):
  File "<interactive input>", line 1, in <module>
ValueError: object too deep for desired array
>>> n = np.reshape(m, 9)
>>> n
array([1, 1, 2, 2, 1, 1, 2, 1, 2])
>>> np.bincount(n)
array([0, 5, 4])

我想我明白了。 [0,5,4]中的零表示矩阵中没有0值。所以在我的实际情况中，529750是矩阵中的第12个值，矩阵值0-11都是'0'，而不是得到0个值（值13-126），然后值127给出2135913的频率。但是如何在numpy数组中将频率作为特定数字的单个值？

Answer 1

您想要number数组中出现简单data的次数吗？尝试

np.bincount(data)[number]

Answer 2

bincount会返回x的频率为bincount[x]的数组，它需要一个平面输入，因此您可以使用bincount(array.ravel())来处理array时的情况可能不平坦。

如果你的数组只有一些唯一值，即2和127，那么在调用bincount之前使用unique减少数组可能是值得的，即：

import numpy as np
def frequency(array):
    values, array = np.unique(array, return_inverse=True)
    return values, bincount(array.ravel())

array = np.array([[2, 2, 2],
                  [127, 127, 127],
                  [2, 2, 2]])
frequency(array)
# array([  2, 127]), array([6, 3])

最后你可以做到

np.sum(array == 12)

请注意array == 12和np.where(array == 12)：

之间的区别

array = np.array([12, 0, 0, 12])
array == 12
# array([ True, False, False,  True], dtype=bool)
np.where(array == 12)
#(array([0, 3]),)

显然，对第二部分的总结不会给你你想要的东西。

Answer 3

您可以使用集合模块中的“计数器”。

from collections import Counter
import numpy as np
my_array=np.asarray(10*np.random.random((10,10)),'int')
my_dict=Counter()
print '\n The Original array \n ', my_array

for i in my_array:
    my_dict=my_dict+Counter(i)

print '\n The Counts \n', my_dict

O / P就像这样

原始阵列 [[6 8 3 7 6 9 2 2 3 2] [7 0 1 1 8 0 8 2 6 3] [0 4 0 1 8 7 6 1 1 1] [9 2 9 2 5 9 9 6 6 7] [5 1 1 0 3 0 2 7 6 2] [6 5 9 6 4 7 5 4 8 0] [7 0 8 7 1 8 5 1 3 2] [6 7 7 0 8 3 6 5 6 6] [0 7 1 6 1 7 8 4 1] [0 8 6 7 1 7 3 3 8 8]]

计数柜台（{6：15,1：14,7：14,8：12,0：11,2：10,3：8,5：6,9：6,4：4}）

您可以尝试 most_common（）方法，该方法提供最常见的条目如果您希望特定元素的出现就像字典一样访问。

示例： my_dict [6] 会为上述代码提供 15

如何获取numpy数组中特定值的频率

3 个答案: