ぎこちない：配列内の一意の値に対して最も効率的な頻度数
numpy/scipyに、配列内の固有値の頻度カウントを取得する効率的方法はありますか？
これらの線に沿って何か：
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]]
（あなたのために、そこにいるRユーザー、私は基本的にtable()関数を探しています）
np.bincountを見てください。
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]
その後：
Zip(ii,y[ii])
# [(1, 5), (2, 3), (5, 1), (25, 1)]
または
np.vstack((ii,y[ii])).T
# array([[ 1, 5],
[ 2, 3],
[ 5, 1],
[25, 1]])
それとも、あなたはカウントとユニークな値を結合したいです。
Numpy 1.9では、最も簡単で最速の方法は単純に numpy.unique を使うことです。これには今やreturn_countsというキーワード引数があります。
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
これは、
[[ 1 5]
[ 2 3]
[ 5 1]
[25 1]]
scipy.stats.itemfreqとの簡単な比較：
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
更新：元の答えで述べた方法は廃止予定です。代わりに新しい方法を使用してください。
>>> 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]])
元の答え：
あなたが使用することができます 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.]])
私もこれに興味があったので、私は少し性能比較をしました（ perfplot を使って私のペットプロジェクト）。結果：
y = np.bincount(a)
ii = np.nonzero(y)[0]
out = np.vstack((ii, y[ii])).T
はるかに速いです。 （対数スケールに注意してください。）
プロットを生成するためのコード：
import numpy as np
import pandas as pd
import perfplot
from scipy.stats import itemfreq
def bincount(a):
y = np.bincount(a)
ii = np.nonzero(y)[0]
return np.vstack((ii, y[ii])).T
def unique(a):
unique, counts = np.unique(a, return_counts=True)
return np.asarray((unique, counts)).T
def unique_count(a):
unique, inverse = np.unique(a, return_inverse=True)
count = np.zeros(len(unique), np.int)
np.add.at(count, inverse, 1)
return np.vstack((unique, count)).T
def pandas_value_counts(a):
out = pd.value_counts(pd.Series(a))
out.sort_index(inplace=True)
out = np.stack([out.keys().values, out.values]).T
return out
perfplot.show(
setup=lambda n: np.random.randint(0, 1000, n),
kernels=[bincount, unique, itemfreq, unique_count, pandas_value_counts],
n_range=[2**k for k in range(26)],
logx=True,
logy=True,
xlabel='len(a)'
)
パンダモジュールを使う：
>>> import pandas as pd
>>> import numpy as np
>>> x = np.array([1,1,1,2,2,2,5,25,1,1])
>>> pd.value_counts(pd.Series(x))
1 5
2 3
25 1
5 1
dtype：int64
これは、はるかに一般的でパフォーマンスの高いソリューションです。まだ投稿されていません.
import numpy as np
def unique_count(a):
unique, inverse = np.unique(a, return_inverse=True)
count = np.zeros(len(unique), np.int)
np.add.at(count, inverse, 1)
return np.vstack(( unique, count)).T
print unique_count(np.random.randint(-10,10,100))
現在受け入れられている答えとは異なり、これはソート可能な（正の整数だけでなく）あらゆるデータ型に対して機能し、最適なパフォーマンスを発揮します。唯一の重要な経費は、np.uniqueによるソートにあります。
numpy.bincountはおそらく最良の選択です。もしあなたの配列が小さい密な整数以外に何かを含んでいるならば、それをこのようなものにラップすることは役に立つかもしれません：
def count_unique(keys):
uniq_keys = np.unique(keys)
bins = uniq_keys.searchsorted(keys)
return uniq_keys, np.bincount(bins)
例えば：
>>> x = array([1,1,1,2,2,2,5,25,1,1])
>>> count_unique(x)
(array([ 1, 2, 5, 25]), array([5, 3, 1, 1]))
すでに答えられていますが、私はnumpy.histogramを利用する別のアプローチを提案します。このような関数は、与えられたシーケンスが与えられると、それはその要素の頻度を返しますビンにまとめられます。
ただし注意してください：数字は整数なので、この例ではうまくいきます。実数の場合、この解決策はうまく適用されません。
>>> from numpy import histogram
>>> y = histogram (x, bins=x.max()-1)
>>> y
(array([5, 3, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,
1]),
array([ 1., 2., 3., 4., 5., 6., 7., 8., 9., 10., 11.,
12., 13., 14., 15., 16., 17., 18., 19., 20., 21., 22.,
23., 24., 25.]))
import pandas as pd
import numpy as np
x = np.array( [1,1,1,2,2,2,5,25,1,1] )
print(dict(pd.Series(x).value_counts()))
{1：5、2：3、5：1、25：1}
古い質問ですが、最速であることが判明した独自のソリューションを提供したいと思います。入力としてnp.arrayの代わりに通常のlistNAME _を使用しますまず、私のベンチテストに基づいて。
同様に遭遇した場合はチェックしてください。
def count(a):
results = {}
for x in a:
if x not in results:
results[x] = 1
else:
results[x] += 1
return results
たとえば、
>>>timeit count([1,1,1,2,2,2,5,25,1,1]) would return:
100000ループ、最高3：ループあたり2.26 µs
>>>timeit count(np.array([1,1,1,2,2,2,5,25,1,1]))
100000ループ、最高3：ループあたり8.8 µs
>>>timeit count(np.array([1,1,1,2,2,2,5,25,1,1]).tolist())
100000ループ、最高3：ループあたり5.85 µs
受け入れられた答えは遅くなりますが、scipy.stats.itemfreqソリューションはさらに悪くなります。
より詳細なテストでは、定式化された期待は確認されませんでした。
from zmq import Stopwatch
aZmqSTOPWATCH = Stopwatch()
aDataSETasARRAY = ( 100 * abs( np.random.randn( 150000 ) ) ).astype( np.int )
aDataSETasLIST = aDataSETasARRAY.tolist()
import numba
@numba.jit
def numba_bincount( anObject ):
np.bincount( anObject )
return
aZmqSTOPWATCH.start();np.bincount( aDataSETasARRAY );aZmqSTOPWATCH.stop()
14328L
aZmqSTOPWATCH.start();numba_bincount( aDataSETasARRAY );aZmqSTOPWATCH.stop()
592L
aZmqSTOPWATCH.start();count( aDataSETasLIST );aZmqSTOPWATCH.stop()
148609L
参照以下のコメントは、キャッシュや、小さなデータセットに非常に反復的なテスト結果に影響を与えるその他のRAM内の副作用について説明しています。
整数でないユニークな - Eelco Hoogendoornの答えに似ていますが、かなり速い（私のマシンでは5倍）ために、weave.inlineを使ってnumpy.uniqueを少しのCコードと組み合わせました。
import numpy as np
from scipy import weave
def count_unique(datain):
"""
Similar to numpy.unique function for returning unique members of
data, but also returns their counts
"""
data = np.sort(datain)
uniq = np.unique(data)
nums = np.zeros(uniq.shape, dtype='int')
code="""
int i,count,j;
j=0;
count=0;
for(i=1; i<Ndata[0]; i++){
count++;
if(data(i) > data(i-1)){
nums(j) = count;
count = 0;
j++;
}
}
// Handle last value
nums(j) = count+1;
"""
weave.inline(code,
['data', 'nums'],
extra_compile_args=['-O2'],
type_converters=weave.converters.blitz)
return uniq, nums
プロフィール情報
> %timeit count_unique(data)
> 10000 loops, best of 3: 55.1 µs per loop
Eelcoの純粋なnumpyバージョン：
> %timeit unique_count(data)
> 1000 loops, best of 3: 284 µs per loop
注
ここには冗長性があります（uniqueもソートを実行します）。これは、unique機能をcコードループ内に配置することによってコードをさらに最適化できる可能性があることを意味します。
このようないくつかのことはそれをすべきです：
#create 100 random numbers
arr = numpy.random.random_integers(0,50,100)
#create a dictionary of the unique values
d = dict([(i,0) for i in numpy.unique(arr)])
for number in arr:
d[j]+=1 #increment when that value is found
また、 固有の要素を効率的に数える に関するこの前回の投稿は、何かが足りない場合を除いて、あなたの質問とよく似ています。
多次元頻度カウント、i.n。配列のカウント。
>>> print(color_array )
array([[255, 128, 128],
[255, 128, 128],
[255, 128, 128],
...,
[255, 128, 128],
[255, 128, 128],
[255, 128, 128]], dtype=uint8)
>>> np.unique(color_array,return_counts=True,axis=0)
(array([[ 60, 151, 161],
[ 60, 155, 162],
[ 60, 159, 163],
[ 61, 143, 162],
[ 61, 147, 162],
[ 61, 162, 163],
[ 62, 166, 164],
[ 63, 137, 162],
[ 63, 169, 164],
array([ 1, 2, 2, 1, 4, 1, 1, 2,
3, 1, 1, 1, 2, 5, 2, 2,
898, 1, 1,
パンダをpdとしてインポート
npとしてnumpyをインポート
pd.Series（name_of_array）.value_counts（）