如何在ndarray中计算特定项的出现次数？

没有人建议使用 numpy.bincount(input, minlength) 并且将 minlength = np.size(input)，但它似乎是一个很好的解决方案，而且肯定是最快的：

In [1]: choices = np.random.randint(0, 100, 10000)

In [2]: %timeit [ np.sum(choices == k) for k in range(min(choices), max(choices)+1) ]
100 loops, best of 3: 2.67 ms per loop

In [3]: %timeit np.unique(choices, return_counts=True)
1000 loops, best of 3: 388 µs per loop

In [4]: %timeit np.bincount(choices, minlength=np.size(choices))
100000 loops, best of 3: 16.3 µs per loop

numpy.unique(x, return_counts=True)

和

numpy.bincount(x, minlength=np.max(x))

之间的加速非常惊人！

要计算出现次数，您可以使用np.unique(array, return_counts=True)：

In [75]: boo = np.array([0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 1])
 
# use bool value `True` or equivalently `1`
In [77]: uniq, cnts = np.unique(boo, return_counts=1)
In [81]: uniq
Out[81]: array([0, 1])   #unique elements in input array are: 0, 1

In [82]: cnts
Out[82]: array([8, 4])   # 0 occurs 8 times, 1 occurs 4 times

我会使用np.where:

how_many_0 = len(np.where(a==0.)[0])
how_many_1 = len(np.where(a==1.)[0])

y.tolist().count(val)

当val为0或1时，使用Python列表自带的count函数，将y转换为列表后再使用该函数是一种简单的解决方案。

试试这个：

a = np.array([0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 1])
list(a).count(1)

另一个简单的解决方案可能是使用 numpy.count_nonzero()：

import numpy as np
y = np.array([0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 1])
y_nonzero_num = np.count_nonzero(y==1)
y_zero_num = np.count_nonzero(y==0)
y_nonzero_num
4
y_zero_num
8

不要被名称所误导，如果像示例中一样与布尔值一起使用，它就能做到。

利用Series提供的方法：

>>> import pandas as pd
>>> y = [0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 0, 1]
>>> pd.Series(y).value_counts()
0    8
1    4
dtype: int64

你可以使用字典解析来创建简洁的一行代码。有关字典解析的更多信息，请点击此处 。

>>> counts = {int(value): list(y).count(value) for value in set(y)}
>>> print(counts)
{0: 8, 1: 4}

这将创建一个字典，以您的ndarray中的值作为键，并将该值在数组中出现次数作为相应的值。

每当您想要计算此格式的数组中值的出现次数时，都可以使用此方法。

你有一个仅包含1和0的特殊数组。一个技巧是使用：

np.mean(x)

该函数为您提供数组中数字1的百分比。或者，使用

np.sum(x)
np.sum(1-x)

将为您提供数组中1和0的绝对数量。

dict(zip(*numpy.unique(y, return_counts=True)))

这里只是复制了Seppo Enarvi的评论，他的评论值得成为一个合适的答案