NumPy numpy.unique()的使用

Python的numpy模块提供了一个用于查找numpy数组中唯一元素的函数。numpy.unique()函数找到数组的唯一元素，并将这些唯一元素作为排序后的数组返回。除了唯一元素之外，还有一些可选的输出，如下所示：

• 输出可以是给出唯一值的输入数组的索引
• 输出可以是重构输入数组的唯一数组的索引
• 输出可以是输入数组中每个唯一值出现的次数的数组。

语法

numpy.unique(a, return_index=False, return_inverse=False, return_counts=False, axis=None)

参数

numpy.mean()函数有以下参数：

a: array_like

此参数定义了包含所需唯一值的元素的源数组。如果数组不是一维数组，则会被扁平化。

Return_index: bool(optional)

如果设置为True，函数将返回输入数组的索引（在指定的轴上（如果提供）或在扁平化的数组中），这将导致唯一数组。

return_inverse: bool(optional)

如果设置为True，函数还将返回输入数组的索引（在指定的轴上（如果提供）或在扁平化的数组中），这些索引可用于重构输入数组。

Return_counts: bool(optional)

如果设置为True，函数将返回输入数组’a’中每个唯一项出现的次数。

axis: int or None(optional)

此参数定义要操作的轴。如果未设置此参数，则数组’a’将被扁平化。如果此参数是整数，则由给定轴索引的子数组将被扁平化，并被视为具有给定轴维度的一维数组的元素。如果使用’kwarg’轴，则不支持包含对象的结构化数组或对象数组。

返回值

此函数返回以下四种类型的输出：

unique: ndarray

在此输出中，将显示一个包含已排序唯一值的ndarray。

unique_indices: ndarray(optional)

在此输出中，将显示一个包含原始数组中唯一值的第一次出现的索引的ndarray。仅当return_index为True时才提供此输出。

unique_inverse: ndarray(optional)

在此输出中，将显示一个包含重构原始数组的唯一数组的索引的ndarray。仅当return_inverse为True时才提供此输出。

unique_counts: ndarray(optional)

在此输出中，将显示每个唯一值在原始数组中出现的次数的ndarray。仅当return_counts为True时才提供此输出。

示例1

import numpy as np
a=np.unique([1,2,3,4,3,6,2,4])
a

输出：

array([1, 2, 3, 4, 6]) 

在上面的代码中

• 我们以别名np导入了numpy。
• 我们声明了变量’a’并赋值为np.unique()函数的返回值。
• 我们向函数传递了元素的数量。
• 最后，我们尝试打印变量’a’的值。

输出结果显示了一个包含唯一元素的ndarray。

示例2

a=np.array([[1,2,2,3,9],[1,4,3,5,8]])
a
b=np.unique(a)
b

输出：

array([[1, 2, 2, 3, 9],
        [1, 4, 3, 5, 8]])
array([1, 2, 3, 4, 5, 8, 9])

示例3

import numpy as np
a = np.array([[1, 1, 0], [1, 1, 0], [2, 3, 4],[5, 9, 8],[2, 3, 4]])
a
b=np.unique(a, axis=0)
b

输出：

array([[1, 1, 0],
        [1, 1, 0],
        [2, 3, 4],
        [5, 9, 8],
        [2, 3, 4]])
array([[1, 1, 0],
        [2, 3, 4],
        [5, 9, 8]])

在上面的代码中

• 我们使用别名 np 导入了 numpy。
• 我们创建了一个多维数组 ‘a’。
• 我们声明了变量 ‘b’ 并将 np.unique() 函数的返回值赋给了它。
• 我们在函数中传入了多维数组 ‘a’ 和轴为 0。
• 最后，我们尝试打印变量 ‘b’ 的值。

在输出中，显示了一个包含源数组 ‘a’ 的唯一行的 ndarray。

示例4

import numpy as np
a = np.array([[1, 1, 0], [1, 1, 0], [2, 2, 4],[5, 5, 8],[2, 2, 4]])
a
b=np.unique(a, axis=1)
b

输出:

array([[1, 1, 0],
        [1, 1, 0],
        [2, 2, 4],
        [5, 5, 8],
        [2, 2, 4]])
array([[0, 1],
        [0, 1],
        [4, 2],
        [8, 5],
        [4, 2]])

注意：当我们将轴设置为1时，此函数将返回源数组中的唯一列。

示例5：使用return_index

import numpy as np
a = np.array(['d', 'b', 'b', 'z', 'a'])
result, indices=np.unique(a,return_index=True)
result
indices
a[indices]

输出：

array(['a', 'b', 'd', 'z'], dtype='|S1')
array([4, 1, 0, 3], dtype=int64)
array(['a', 'b', 'd', 'z'], dtype='|S1')

在上面的代码中

• 我们使用别名np导入了numpy。
• 我们创建了一个数组’a’。
• 我们声明了变量’result’和’indices’，并赋值为np.unique()函数的返回值。
• 我们在函数中传递了数组’a’并将return_index设置为True。
• 最后，我们尝试打印’result’、’indices’和数组元素的值，这表示了原始数组的索引(‘a [indices]’)。

在输出中，显示了一个包含原始数组给出唯一值的索引的ndarray。

示例6：使用return_inverse

我们可以通过以下方式从唯一值重构输入数组：

import numpy as np
a = np.array([1, 2, 6, 4, 5, 3, 2])
result, indices=np.unique(a,return_inverse=True)
result
indices
a[indices]

输出：

array([1, 2, 3, 4, 5, 6])
array([0, 1, 5, 3, 4, 2, 1], dtype=int64)
array([1, 2, 3, 4, 5, 6, 2])