以一定的最小频率过滤numpy数组中的元素

Question

我有一个包含 5000 个计数的数组，需要对其进行卡方检验。但是，该测试仅在每个值的预期频率 > 5 时才有效。我使用collections.Counter(x) 找到了数据集中每个值的频率，我可以看到有些值的频率为 1 或 2。 现在我想从我的原始数据集 x 中删除频率

删除这些点后，我需要创建一个预期泊松分布以用于卡方检验，但再次确保预期频率大于 5。我已经使用stats.poisson.rvs 进行了一些分发，但是有没有办法可以确保频率始终高于 5？还是最好创建发行版，然后完成我的问题第一部分中的步骤？

Answer 1

将数组过滤到特定频率（例如>5）的一种方法是（a 是您的原始数组）：

#this method assumes array a is consists of integers
a[np.in1d(a, np.where(np.bincount(a)>5)[0])]

另一种方式是：

#works for non-integer arrays
values, counts = np.unique(a, return_counts=True)
a[np.in1d(a, values[counts>5])]

我猜bincount 解决方案更快。