Python 将具有值的numpy数组转换为具有每行中每个观测值频率的数组

我有一个numpy数组，如下所示：

array = np.random.randint(6, size=(50, 400))

该数组具有每个值所属的簇，每行表示一个样本，每列表示一个特征，但我想创建一个5维数组，每个样本中每个簇的频率表示为该矩阵中的一行

但是，在频率计算中，我希望忽略0，这意味着除0 1-5之外的所有值的频率都应加上1

本质上，我想要的是一个数组，在本例中，每一行都是集群1-5，并且每一行仍然包含一个样本

如何做到这一点

编辑：

小投入：

input = np.random.randint(6, size=(2, 5))

array([[0, 4, 2, 3, 0],
       [5, 5, 2, 5, 3]])

输出：

1    2    3    4    5

0   .33  .33  .33   0
0   .2   .2    0   .6    

---

其中1-5是行名称，底部两行是numpy数组中所需的输出。

这是bincount的一个简单应用。这是你想要的吗

def freqs(x):
    counts = np.bincount(x, minlength=6)[1:]
    return counts/counts.sum()

frequencies = np.apply_along_axis(freqs, axis=1, arr=array)

如果您想知道沿_轴应用_的速度含义，在我的测试中，这种使用复杂索引的方法稍微慢一些：

counts = (array[:, :, None] == values[None, None, :]).sum(axis=1)
frequencies2 = counts/counts.sum(axis=1)[:, None]

---

这是bincount的一个简单应用程序。这是你想要的吗

def freqs(x):
    counts = np.bincount(x, minlength=6)[1:]
    return counts/counts.sum()

frequencies = np.apply_along_axis(freqs, axis=1, arr=array)

如果您想知道沿_轴应用_的速度含义，在我的测试中，这种使用复杂索引的方法稍微慢一些：

counts = (array[:, :, None] == values[None, None, :]).sum(axis=1)
frequencies2 = counts/counts.sum(axis=1)[:, None]

---

你能给出一个小输入和期望输出的例子吗？当你说5维数组时，你是指形状为5的数组吗？我刚刚添加了一个输入和输出的例子。我希望这会有帮助。你能给出一个小输入和期望输出的例子吗？当你说5维数组时，你是指形状为5的数组吗？我刚刚添加了一个输入和输出的例子。我希望这有帮助。它不应该是axis=1和no.t吗？@filippo确实如此。谢谢。它不应该是axis=1和no.t吗？@filippo确实如此。谢谢