Numpy：计算数组中索引出现的最佳方法

Question

我有一个数组indexs。它很长（>10k），每个 int 值都相当小（

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...），并将 counts 设为 np.array([3, 2, 1, 1, 1])。我测试了以下4种方法：

UPDATE：_test4 是@Ch3steR 的溶胶：

---

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，它们的使用时间分别为32.499472856521606s、0.31386804580688477s、0.14069509506225586s、0.017721891403198242s。 虽然_test3 是最快的，但它使用了额外的大内存。

所以我要求任何更好的方法。谢谢你:) (@Ch3steR)

---

UPDATE:np.bincount 目前看来是最佳选择。

Answer 1

您可以使用np.bincount 来计算数组中的出现次数。

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

有一个警告np.bincount(x).size == np.amax(x)+1

例子：

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

这里会计算数组中 0 到最大值的出现次数，解决方法可以是

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

如果从0 到your_max 之间没有缺失值，则可以使用np.bincount。

另一个警告：

来自文档：

计算每个值在非负整数数组中出现的次数。