NumPy online ausführen

Eindeutige Werte mit NumPy finden

In dieser Lektion findest du die unterschiedlichen Werte in einem NumPy-Array und zählst, wie oft jeder vorkommt.

  • Fortgeschritten
  • 2 Min. Lesezeit
  • 1 ausführbares Beispiel

Einführung

Das Problem

Welche Kategorien kommen in einem Datensatz vor, und wie oft? Umfrageantworten, Produktcodes und Labels brauchen vor der Analyse eine schnelle Häufigkeitstabelle, auch um Tippfehler oder unerwartete Werte zu finden.

Stell es dir so vor

Eindeutige Werte mit Anzahlen zu finden ist, als würdest du einen Beutel bunter Perlen in Becher sortieren. Jeder Becher enthält eine Farbe, und du schreibst die Zahl der Perlen auf jeden Becher. Die Becher stehen der Reihe nach.

Von Perlenbechern zum Code
np.unique(values, ...)🥣 Ein Becher pro eindeutigem Wert, sortiert
return_counts=True🔢 Aufschreiben, wie viele Perlen in jedem Becher sind
.tolist()🧾 In normale Python-Zahlen umwandeln
dict(zip(...))📋 {1: 2, 2: 1, 3: 3}
Eindeutige Werte und wie oft jeder vorkommt.
In einem Satz

np.unique liefert die eindeutigen Werte eines Arrays in sortierter Reihenfolge und mit return_counts=True auch, wie oft jeder Wert vorkommt.

Das Wichtigste

  1. np.unique(values, return_counts=True) liefert zwei Arrays: unique und counts.
  2. unique enthält die eindeutigen Werte sortiert: 1, 2, 3.
  3. counts enthält, wie oft jeder vorkommt: 2, 1, 3.
  4. unique.tolist() und counts.tolist() machen aus NumPy-Zahlen normale Python-Zahlen, sodass das Dictionary als {1: 2, 2: 1, 3: 3} ausgegeben wird.

Wann verwendet man das?

  • Häufigkeitstabellen für Kategorien und Labels.
  • Daten auf unerwartete oder falsch geschriebene Werte prüfen.
  • Klassengrößen zählen, bevor ein Modell trainiert wird.

Wann du es nicht brauchst

  • Normale Python-Listen: collections.Counter zählt ohne NumPy.
  • Tabellen mit mehreren Spalten: value_counts() von pandas behält Labels und sortiert nach Anzahl.

Beispielcode

Code ausführen →
main.py
import numpy as np

values = np.array([3, 1, 3, 2, 1, 3])
unique, counts = np.unique(values, return_counts=True)

print(dict(zip(unique.tolist(), counts.tolist())))
Run-Button für dieses Beispiel erstellen

Ergebnis der Ausführung

{1: 2, 2: 1, 3: 3}

Erklärung des Codes

Die Funktion np.unique() gibt die unterschiedlichen Werte aufsteigend sortiert zurück. Mit dem Parameter return_counts=True liefert sie zusätzlich ein Array mit der Häufigkeit jedes Werts. Die Funktion zip() verbindet die beiden Arrays, und dict() erzeugt das Ergebnis {1: 2, 2: 1, 3: 3}.

Ändere die Werte und führe das Programm im CodeUtility Python Online-Compiler aus, ohne Python lokal zu installieren.

Übungen zur Vertiefung

Ändere den Code anhand der folgenden Vorschläge. Wenn du selbst etwas änderst und das Ergebnis beobachtest, verstehst du viel mehr, als wenn du den Code nur liest.

  1. Ändere die Form (shape) und den Datentyp (dtype) des Eingabearrays.
  2. Teste mit negativen Zahlen, Kommazahlen und fehlenden Werten.
  3. Wende dieselbe Operation auf ein größeres mehrdimensionales Array an und miss die Laufzeit.
Im Python-Compiler ausführen →

Häufige Fehler

NumPy-Zahlen in einem Dictionary ausgeben

In NumPy 2 werden Schlüssel und Werte als np.int64(1) statt als 1 ausgegeben.

Problem
print(dict(zip(unique, counts)))
Lösung
print(dict(zip(unique.tolist(), counts.tolist())))

Lektion fertig?

Markiere sie als gelernt, um deinen Fortschritt zu verfolgen.

Mit einer Challenge üben

Nutze den Inhalt dieser Lektion, um ein echtes Problem zu lösen. Jede Challenge läuft im Browser, mit sofortigen Tests und einem KI-Review.

Alle Challenges