mfloww
In Python habe ich ein ndarray y
das ist gedruckt als array([0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 1])
Ich versuche zu zählen, wie viele 0s und wie viele 1s gibt es in diesem Array.
Aber wenn ich tippe y.count(0) oder y.count(1)es sagt
numpy.ndarrayObjekt hat kein Attributcount
Was sollte ich tun?
Özgür Vatansever
a = numpy.array([0, 3, 0, 1, 0, 1, 2, 1, 0, 0, 0, 0, 1, 3, 4])
unique, counts = numpy.unique(a, return_counts=True)
dict(zip(unique, counts))
# {0: 7, 1: 4, 2: 1, 3: 2, 4: 1}
Non-numpy Weg:
Benutzen collections.Counter;
import collections, numpy
a = numpy.array([0, 3, 0, 1, 0, 1, 2, 1, 0, 0, 0, 0, 1, 3, 4])
collections.Counter(a)
# Counter({0: 7, 1: 4, 3: 2, 2: 1, 4: 1})
Das wäre “` unique, counts = numpy.unique(a, return_counts=True) dict(zip(unique, counts)) “`
– Schreddern
16. März 2016 um 13:14 Uhr
Wenn Sie das Wörterbuch wollen, dict(zip(*numpy.unique(a, return_counts=True)))
– Seppo Enarvi
28. April 2016 um 13:19 Uhr
Was ist, wenn ich auf die Anzahl der Vorkommen jedes eindeutigen Elements des Arrays zugreifen möchte, ohne der Variablen zuzuweisen – counts. Irgendwelche Hinweise dazu?
– sajis997
24. Dezember 2016 um 23:08 Uhr
das ist ein hack. Numpy hat dafür Funktionen namens bincount() oder histogram()
– John Ktejik
22. Oktober 2018 um 3:01 Uhr
Versucht, beide Methoden für ein sehr großes Array (~ 30 GB) zu verwenden. Die Numpy-Methode hatte keinen Speicher mehr, während die collections.Counter hat prima funktioniert
– Ivan Novikov
26. November 2019 um 13:10 Uhr
Ich persönlich würde zu:
(y == 0).sum() und (y == 1).sum()
Z.B
import numpy as np
y = np.array([0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 1])
num_zeros = (y == 0).sum()
num_ones = (y == 1).sum()
Diese Antwort scheint besser zu sein als die mit den meisten Upvotes.
– Alex
31. Dezember 2017 um 17:16 Uhr
Ich glaube nicht, dass das funktionieren würde numpy.ndarray wie OP ursprünglich gefragt hat.
– LYu
28. Juli 2018 um 20:55 Uhr
@LYu – das y ist in dieser Antwort ein np.ndarray. Außerdem – die meisten, wenn nicht alle np.something-Funktionen funktionieren problemlos auf ndarrays.
– Magnuski
29. Juli 2018 um 19:34 Uhr
Ibrahim Berber
lenVerwenden len könnte eine weitere Option sein.
A = np.array([1,0,1,0,1,0,1])
Angenommen, wir möchten die Anzahl der Vorkommen von 0.
A[A==0] # Return the array where item is 0, array([0, 0, 0])
Wickeln Sie es jetzt mit ein len.
len(A[A==0]) # 3
len(A[A==1]) # 4
len(A[A==7]) # 0, because there isn't such item.
Akavall
Für Ihren Fall könnten Sie auch nachsehen numpy.bincount
In [56]: a = np.array([0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 1])
In [57]: np.bincount(a)
Out[57]: array([8, 4]) #count of zeros is at index 0 : 8
#count of ones is at index 1 : 4
Dieser Code ist möglicherweise eine der schnellsten Lösungen für größere Arrays, die ich ausprobiert habe. Das Ergebnis als Liste zu erhalten, ist ebenfalls ein Bonus. Danke!
– Youngsup Kim
24. Oktober 2018 um 22:56 Uhr
Und wenn ‘a’ ein n-dimensionales Array ist, können wir einfach verwenden: np.bincount(np.reshape(a, a.size))
– Ari
15. Januar 2020 um 9:01 Uhr
Beachten Sie: (1) Dies rundet Nicht-Ganzzahlen ab. z.B np.bincount([0, 0.5, 1.1]) == array([2, 1]) (2) Wenn Sie ein Array mit großen Ganzzahlen haben, erhalten Sie eine lange Ausgabe, z len(np.bincount([1000])) == 1001.
– Eistel
2. Juli 2021 um 9:29 Uhr
Es ist auch hilfreich, wenn wir Null für Werte zwischen den maximalen und den minimalen Werten anzeigen müssen, z. B. wenn a = np.array([0, 0, 0, 2, 0, 2, 2, 0, 0, 0, 0, 2]) es wird bekommen [8 0 4]. So für 1 es legte 0 im Ergebnis.
– Ali_Sch
6. Februar um 2:42
In diesem Fall ist es auch möglich, einfach zu verwenden
numpy.count_nonzero.– Mong H.Ng
31. März 2019 um 17:50 Uhr