Exécuter NumPy en ligne

Trouver les valeurs distinctes avec NumPy

Dans cette leçon, vous allez trouver les valeurs distinctes d'un tableau NumPy et compter combien de fois chacune apparaît.

  • Intermédiaire
  • 2 min de lecture
  • 1 exemple exécutable

Introduction

Le problème

Quelles catégories apparaissent dans un jeu de données, et combien de fois ? Les réponses de sondage, les codes produits et les étiquettes demandent tous un tableau de fréquences rapide avant l'analyse, et pour repérer les fautes de frappe ou les valeurs inattendues.

Imaginez-le ainsi

Trouver les valeurs uniques avec leurs comptes, c'est comme trier un sac de perles de couleur dans des gobelets. Chaque gobelet contient une couleur, et vous écrivez le nombre de perles sur chacun. Les gobelets sont rangés dans l'ordre.

Des gobelets de perles au code
np.unique(values, ...)🥣 Un gobelet par valeur distincte, dans l'ordre
return_counts=True🔢 Écrire combien de perles contient chaque gobelet
.tolist()🧾 Convertir en nombres Python simples
dict(zip(...))📋 {1: 2, 2: 1, 3: 3}
Les valeurs distinctes et le nombre d'apparitions de chacune.
En une phrase

np.unique renvoie les valeurs distinctes d'un tableau dans l'ordre croissant, et avec return_counts=True aussi le nombre d'apparitions de chacune.

Points clés

  1. np.unique(values, return_counts=True) renvoie deux tableaux : unique et counts.
  2. unique contient les valeurs distinctes triées : 1, 2, 3.
  3. counts contient le nombre d'apparitions de chacune : 2, 1, 3.
  4. unique.tolist() et counts.tolist() transforment les nombres NumPy en nombres Python simples, donc le dictionnaire s'affiche {1: 2, 2: 1, 3: 3}.

Quand l’utiliser ?

  • Les tableaux de fréquences pour les catégories et les étiquettes.
  • Vérifier des données à la recherche de valeurs inattendues ou mal orthographiées.
  • Compter la taille des classes avant d'entraîner un modèle.

Quand s'en passer

  • Les listes Python simples : collections.Counter donne les comptes sans NumPy.
  • Les tableaux à plusieurs colonnes : value_counts() de pandas garde les étiquettes et trie par nombre.

Code d’exemple

Exécuter le code →
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())))
Obtenir un bouton Run pour cet exemple

Résultat de l’exécution

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

Explication du code

La fonction np.unique() renvoie les valeurs distinctes triées par ordre croissant. Avec le paramètre return_counts=True, elle renvoie aussi un tableau avec le nombre d'occurrences de chaque valeur. La fonction zip() associe les deux tableaux, et dict() produit le résultat {1: 2, 2: 1, 3: 3}.

Modifiez les valeurs et exécutez le programme avec le compilateur Python en ligne CodeUtility, sans installation locale.

Exercices d’approfondissement

Essayez de modifier le code en suivant les pistes ci-dessous. Changer le code et observer le résultat vous fera bien mieux comprendre la leçon que la simple lecture.

  1. Changez la forme (shape) et le type de données (dtype) du tableau d’entrée.
  2. Testez avec des nombres négatifs, des décimaux et des valeurs manquantes.
  3. Appliquez la même opération à un tableau plus grand à plusieurs dimensions et mesurez le temps.
Exécuter dans le compilateur Python →

Erreurs fréquentes

Afficher des nombres NumPy dans un dictionnaire

Avec NumPy 2, les clés et valeurs s'affichent np.int64(1) au lieu de 1.

Problème
print(dict(zip(unique, counts)))
Correction
print(dict(zip(unique.tolist(), counts.tolist())))

Leçon terminée ?

Marquez-la comme apprise pour suivre votre progression.

S'entraîner avec un défi

Utilisez le contenu de cette leçon pour résoudre un vrai problème. Chaque défi s'exécute dans le navigateur, avec des tests instantanés et une revue par l'IA.

Tous les défis