如何计算numpy数组中两列的频率？答案

【问题标题】：How to count the frequency of two columns in numpy array?如何计算numpy数组中两列的频率？
【发布时间】：2018-04-04 06:47:09
【问题描述】：

In [56]: df
Out[56]:
array([[3, 133, nan, ..., 202, 109, 1427],
       [3, 133, nan, ..., 183, 120, 1448],
       [3, 133, nan, ..., 205, 22, 417],
       ...,
       [8, 43, nan, ..., 88, 11, 11],
       [64, 173, nan, ..., 2774, 2029, 1210],
       [12, 85, nan, ..., 19, 10, 25]], dtype=object)
collections.Counter(df[:,[0,1]])

df 是 numpy 数组，我想获取第一列和第二列的计数，就像 count(*) from df group by col-0, col-1 但是返回错误TypeError: unhashable type: 'numpy.ndarray' 我怎样才能意识到它？

Pandas 很慢，我不习惯用它。

【问题讨论】：

添加样例？
.. 和预期的输出。一个最小的可重现样本情况会更好。

标签： python arrays pandas numpy

【解决方案1】：

collection.Counter 用于计算可散列对象，而 'numpy.ndarray' 是不可散列的，因此我们需要将其转换为可散列对象。例如，

>>> a = np.array([  [1, 2, 3],
        [1, 4, 5],
        [5, 6, 7],
        [8, 9, 10]])
>>> b = np.hsplit(a,3)[0]
>>> b
array([[1],
   [1],
   [5],
   [8]])
>>> c = b.flatten().tolist()
>>> c
[1, 1, 5, 8]
>>> collections.Counter(c)
>>> c
Counter({1: 2, 8: 1, 5: 1})

希望这会有所帮助。

【讨论】：

【解决方案2】：

a = np.array([[4, 3, 2],
              [1, 0, 3],
              [1, 2, 3],
              [0, 1, 4],
              [0, 3, 3],
              [0, 2, 0],
              [1, 4, 3],
              [4, 1, 2],
              [0, 1, 3],
              [2, 1, 0]])

纯numpy方式：

In [8]: np.apply_along_axis(np.bincount, 0, a)
Out[8]: 
array([[4, 1, 2],
       [3, 4, 0],
       [1, 2, 2],
       [0, 2, 5],
       [2, 1, 1]])

与熊猫

df = pd.DataFrame(a)

In [10]: df[0].value_counts()
Out[10]: 
0    4
1    3
4    2
2    1

如果你想同时多列：

In [11]: df.apply(pd.Series.value_counts, axis=0)
Out[11]: 
     0  1    2
0  4.0  1  2.0
1  3.0  4  NaN
2  1.0  2  2.0
3  NaN  2  5.0
4  2.0  1  1.0

你也可以摆脱NaNs

In [12]: df.apply(pd.Series.value_counts, axis=0).fillna(0)
Out[12]: 
     0  1    2
0  4.0  1  2.0
1  3.0  4  0.0
2  1.0  2  2.0
3  0.0  2  5.0
4  2.0  1  1.0

【讨论】：

【解决方案3】：

由于您使用的是numpy，因此您可以为此使用numpy.unique：

a = np.array([  [1, 2, 3],
                [1, 4, 5],
                [5, 6, 7],
                [8, 9, 10]])

res = np.unique(a[:, :3], return_counts=True)
# (array([ 1,  2,  3,  4,  5,  6,  7,  8,  9, 10]), array([2, 1, 1, 1, 2, 1, 1, 1, 1, 1], dtype=int64))

res_dict = dict(zip(*res))
# {1: 2, 2: 1, 3: 1, 4: 1, 5: 2, 6: 1, 7: 1, 8: 1, 9: 1, 10: 1}

【讨论】：