Numpy List Python中的计数值

在Python中，使用Numpy List可以方便地进行各种计算和数据分析。Numpy List提供了许多计数功能，使得开发人员可以轻松地获得他们需要的统计信息。以下是一些最常用的计数函数。

Numpy中的count_nonzero

count_nonzero函数返回输入数组中的非零元素个数。

import numpy as np

a = np.array([[6, 0, 0], [0, 0, 3], [4, 0, 5]])
print(np.count_nonzero(a))

输出结果为 4，表示数组a中共有4个非零元素。

Numpy中的bincount

bincount函数返回非负整数数组中每个值出现的次数。

import numpy as np

a = np.array([0, 1, 1, 3, 2, 1, 7])
print(np.bincount(a))

输出结果为 array([1, 3, 1, 1, 0, 0, 0, 1])，表示在数组中，数值0出现1次，数值1出现3次，数值2出现1次，数值3出现1次，数值4出现0次，数值5出现0次，数值6出现0次，数值7出现1次。

Numpy中的unique

unique函数返回输入数组中的唯一元素。对于输入数组中的每个元素，仅保留第一个出现的元素，从而获得唯一元素的集合。

import numpy as np

a = np.array([1, 2, 6, 4, 2, 3, 2])
print(np.unique(a))

输出结果为 array([1, 2, 3, 4, 6])，表示这是数组中所有唯一的元素。

Numpy中的count

count函数返回输入数组中给定元素的个数。可以指定要统计的元素。

import numpy as np

a = np.array([1, 2, 6, 4, 2, 3, 2])
print(np.count(a, 2))

输出结果为 3，表示在数组a中出现过3次数字2。

Numpy中的histogram

histogram函数用于将一组数据分成一定数量的相等区间，返回每个区间中的数据个数。可以通过传递一个额外的参数定义区间的个数。该函数返回两个数组，第一个数组包含每个区间中的取样数量，第二个数组包含沿每个轴的离散均匀Bins的bin边界。

import numpy as np

a = np.array([1, 2, 6, 4, 2, 3, 2])
print(np.histogram(a, bins=[0, 1, 2, 3, 4, 5, 6, 7]))

输出结果为 (array([0, 1, 3, 1, 1, 0, 1]), array([0, 1, 2, 3, 4, 5, 6, 7]))，表示输入数组中在第一组中没有数据，第二组中有1个数据(1)，第三组中有3个数据(2,2,2)，依此类推。第二个数组给出了分箱的限制。对于上面的示例，输出表示在0-1之间没有数据，在1-2之间有1个数据，在2-3之间有3个数据，在3-4之间有1个数据，等等。