### 使用 NumPy 统计每个值出现次数的函数 在 NumPy 中，可以使用以下几种方法来统计数组中每个值的出现次数： 1. **`np.unique()`** `np.unique()` 函数不仅可以返回数组中的唯一值，还可以通过设置参数 `return_counts=True` 来返回每个唯一值的出现次数[^2]。例如： ```python import numpy as np data = np.array([1, 2, 2, 3, 3, 3]) unique_values, counts = np.unique(data, return_counts=True) print("Unique values:", unique_values) # 输出唯一值 print("Counts:", counts) # 输出对应值的出现次数 ``` 2. **`np.bincount()`** `np.bincount()` 函数适用于非负整数数组，用于统计每个整数值的出现次数。如果数组包含浮点数或负数，则需要先进行预处理[^4]。例如： ```python data = np.array([0, 1, 1, 2, 3, 3, 3]) counts = np.bincount(data) print("Counts using bincount:", counts) # 输出 [1 2 1 3] ``` 如果需要指定最小长度，可以通过 `minlength` 参数实现： ```python counts = np.bincount(data, minlength=5) print("Counts with minlength:", counts) # 输出 [1 2 1 3 0] ``` 3. **`collections.Counter`** 虽然 `collections.Counter` 不是 NumPy 的内置函数，但它可以与 NumPy 配合使用，提供类似的功能。例如： ```python from collections import Counter import numpy as np data = np.array([1.1, 1.1, 1.1, 2, 3, 5, 4, 4, 4, 5]) counter = Counter(data) print("Counter result:", counter) # 输出 Counter({1.1: 3, 4: 3, 5: 2, 2: 1, 3: 1}) ``` 4. **手动统计** 可以通过布尔索引和求和的方式手动统计每个值的出现次数[^2]。例如： ```python import numpy as np data = np.array([1, 2, 2, 3, 3, 3]) unique_values = np.unique(data) counts = [np.sum(data == value) for value in unique_values] print("Unique values:", unique_values) print("Counts:", counts) ``` ### 注意事项 - 对于浮点数数组，`np.bincount()` 不适用，应使用 `np.unique()` 或 `collections.Counter`。 - 如果数组中包含缺失值（如 `NaN`），需要先进行清理或过滤[^3]。 ```python import numpy as np data = np.array([1, 2, 2, 3, 3, 3, np.nan]) filtered_data = data[~np.isnan(data)] # 过滤 NaN 值 unique_values, counts = np.unique(filtered_data, return_counts=True) print("Filtered Unique values:", unique_values) print("Filtered Counts:", counts) ```