如何计算 numpy 数组中某个项目的出现次数

在使用 numpy 库时，我们经常需要对数组进行一些统计操作，比如计算某个元素在数组中出现的次数，本文就介绍如何使用 numpy 来计算数组中某个项目的出现次数。

方法一：np.count_nonzero()

我们可以使用 np.count_nonzero() 来计算数组中某个元素出现的次数。具体实现如下：

import numpy as np

arr = np.array([1, 2, 3, 2, 4, 2, 5, 6, 2])

count = np.count_nonzero(arr == 2)

print(count) # 4

上面的代码中，我们使用了布尔数组的方式去寻找等于2的元素，并使用 np.count_nonzero() 函数来计算出现次数，输出的结果为4。

方法二：np.bincount()

np.bincount() 函数可以用来统计整数数组中每个元素出现的次数，它的返回结果会是一个一维的整数数组，数组的下标就是整数数组的元素，数组的值就是该元素出现的次数。

我们可以将整数数组转换为 numpy 数组，然后使用 np.bincount() 函数来实现。具体实现如下：

import numpy as np

arr = np.array([1, 2, 3, 2, 4, 2, 5, 6, 2])

counts = np.bincount(arr)

print(counts[2]) # 4

上面的代码中，我们调用了 np.bincount() 函数来统计整数数组 arr 中每个元素出现的次数，并且通过索引取出了元素 2 出现的次数，得到的结果为4。

需要注意的是， np.bincount() 函数只能处理非负整数，当数组中存在负整数时会出现错误。

方法三：collections.Counter()

collections.Counter() 是 Python 的内置库，可以用来统计一个序列中每个元素出现的次数。我们可以将 numpy 数组转换为 Python 的 list 对象，然后使用 collections.Counter() 函数来实现。具体实现如下：

import numpy as np
from collections import Counter

arr = np.array([1, 2, 3, 2, 4, 2, 5, 6, 2])

counts = Counter(arr.tolist())

print(counts[2]) # 4

上面的代码中，我们将 numpy 数组转化为了 Python 的 list 对象，然后使用 collections.Counter() 函数来计算元素出现的次数，最终得到元素 2 出现的次数为 4。

需要注意的是，如果数组中存在浮点数或其他不可哈希的对象时，使用 Counter() 函数时会出现错误。

综上所述，我们可以使用 np.count_nonzero() 函数、np.bincount() 函数或 collections.Counter() 函数来计算 numpy 数组中某个项目的出现次数。相比于其他方法， np.count_nonzero() 在速度上表现较为优异，但是它只能处理元素为布尔值或等于0或1的整数。np.bincount() 和 collections.Counter() 函数可以处理更多类型的数据，但是速度相对较慢。