Numpy：计算数组中索引出现次数的最佳方法

Question

我有一个数组indexs。它很长 (>10k)，并且每个 int 值都相当小 (<100)。例如

indexs = np.array([1, 4, 3, 0, 0, 1, 2, 0]) # int index array
indexs_max = 4 # already known

现在我想计算每个索引值的出现次数（例如 0 表示 3 次，1 表示 2 次...），并得到 counts 为 np.array([3, 2, 1, 1, 1])。我测试了以下4种方法：

UPDATE: _test4 是@ 的解:

---

indexs = np.random.randint(0, 10, (20000,))
indexs_max = 9

def _test1():
    counts = np.zeros((indexs_max + 1, ), dtype=np.int32)
    for ind in indexs:
        counts[ind] += 1
    return counts

def _test2():
    counts = np.zeros((indexs_max + 1,), dtype=np.int32)
    uniq_vals, uniq_cnts = np.unique(indexs, return_counts=True)
    counts[uniq_vals] = uniq_cnts
    # this is because some value in range may be missing
    return counts

def _test3():
    therange = np.arange(0, indexs_max + 1)
    counts = np.sum(indexs[None] == therange[:, None], axis=1)
    return counts

def _test4():
    return np.bincount(indexs, minlength=indexs_max+1)

运行500次，他们的用时分别为32.499472856521606s、0.31386804580688477s、0.14069509506225586s、0.017721891403198242s。 虽然_test3是最快的，但它会占用额外的大内存。

所以我要求任何更好的方法。谢谢你:) (@)

---

UPDATE: np.bincount 目前看来是最优的。

Answer 1

您可以使用 np.bincount 来计算数组中出现的次数。

indexs = np.array([1, 4, 3, 0, 0, 1, 2, 0])
np.bincount(indexs)
# array([3, 2,  1,  1,  1])
#        0's 1's 2's 3's 4's count

有一个注意事项np.bincount(x).size == np.amax(x)+1

Example:

indexs = np.array([5, 10])
np.bincount(indexs)
# array([0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1])
#                       5's            10's count

Here's it would count occurrences of 0 to the max in the array, a workaround can be

c = np.bincount(indexs) # indexs is [5, 10]
c = c[c>0]
# array([1,  1])
#        5's 10's count

If you have no missing values from i.e from 0 to your_max you can use np.bincount.

另一个警告：

来自文档：

Count the number of occurrences of each value in an array of non-negative ints.