Python 有效计算二维数组中每个数字的重复次数

我需要在多个一维数组中找到重复的数字，以及每次重复的重复次数，这对一维数组np很好。唯一，但似乎不适用于二维数组，我已经搜索了类似的答案，但我需要更详细的报告。（所有数字的出现次数，位置索引）

这个答案不匹配，我希望得到一张包含更多信息的地图，比如一些最新的数据，我不喜欢回收，也许这是不合适的，但我会尽量找到不使用循环的方法，因为我对速度的要求非常苛刻

例如：

a = np.array([[1,2,2,2,3],
              [0,1,1,1,2],
              [0,0,0,1,0]])

# The number of occurrences for each number
# int  count
# 0.     0
# 1.     1
# 2.     3
# 3.     1

#need the output:
#Index = the number of statistics, the number of repetitions
[[0 1 3 1]  
 [1 3 1 0]
 [4 1 0 0]]

因为这是循环的一部分，所以您需要一种有效的矢量化方法来一次完成更多的统计数据行，并尝试避免再次循环

我使用数据包聚合来计算结果。该函数通过构造一个区分行的key1来实现这一点，数据本身作为key2，以及一个包含所有1的二维数组，虽然可以输出，但我认为这只是暂时的度量。需要正确的方法

from numpy_indexed import group_by

def unique2d(x):
    x = x.astype(int); mx = np.nanmax(x)+1

    ltbe = np.tile(np.arange(x.shape[0])[:,None],(1,x.shape[1]))

    vtbe = np.zeros(x.shape).astype(int) + 1

    groups = npi.group_by((ltbe.ravel(),x.ravel().astype(int)))
    unique, median = groups.sum(vtbe.ravel())

    ctbe = np.zeros(x.shape[0]*mx.astype(int)).astype(int)
    ctbe[(unique[0] * mx + unique[1]).astype(int)] = median
    ctbe.shape=(x.shape[0],mx)

    return ctbe

unique2d(a)

>array([[0, 1, 3, 1],
        [1, 3, 1, 0],
        [4, 1, 0, 0]])

---

希望有好的建议和算法，谢谢

我能想到的最少代码行如下：

import numpy as np
import numpy_indexed as npi

a = np.array([[1,2,2,2,3],
              [0,1,1,1,2],
              [0,0,0,1,0]])

row_idx = np.indices(a.shape, dtype=np.int32)[0]
axes, table = npi.Table(row_idx.flatten(), a.flatten()).count()

我还没有对此进行分析，但它不包含任何隐藏的非矢量化for循环；我怀疑您在numpy中无论如何都不能更快地完成它。不过，我也不希望它的执行速度比您当前的解决方案快很多。使用尽可能小的int类型可能会有所帮助

请注意，此函数不假定

a

的元素构成一个连续的集合；轴标签在

轴

元组中返回；这可能是您正在寻找的行为，也可能不是。但是修改

表

类中的代码以符合当前布局并不困难

---

如果速度是您最关心的问题，那么您的问题可能会很好地映射到numba。

您可能需要的是使用axis参数，但目前尚未实现（请参阅问题和）。正如链接问题中所建议的，您现在可以将其用于。除非可能性为0，否则我将拒绝任何明显的沿_轴循环应用_的方法。这只是循环的另一种语法。结论令人惊讶，结果完全正确，但基于统计数据，几乎是表速度的两倍（1000*1000）我不确定是否要采用更干净、更清晰的方式，我用1生成了所有的group_，目标数组不满意。但仍然感谢您的回复HMM；不确定那里发生了什么。Table使用np.add.at；我经常发现，与groupby.sum使用的np.add.reduce相比，它的速度奇慢；这可能就是它。但无论如何，对于这种问题我认为numba的速度快了10倍。谢谢你的建议，我会试试numba