Поиск уникальных значений в NumPy
В этом уроке вы найдёте уникальные значения массива NumPy и посчитаете, сколько раз встречается каждое из них.
Введение
Какую задачу это решает
Какие категории встречаются в наборе данных и как часто? Ответам на опросы, кодам товаров и меткам перед анализом нужна быстрая таблица частот, а также проверка на опечатки и неожиданные значения.
Пример из жизни
Поиск уникальных значений с количествами похож на раскладку мешочка цветных бусин по стаканчикам. В каждом стаканчике один цвет, и на каждом вы пишете число бусин. Стаканчики стоят по порядку.
np.unique(values, ...)🥣 По стаканчику на каждое различное значение, по порядкуreturn_counts=True🔢 Написать, сколько бусин в каждом стаканчике.tolist()🧾 Превратить в обычные числа Pythondict(zip(...))📋 {1: 2, 2: 1, 3: 3}np.unique возвращает различные значения массива в отсортированном порядке, а с return_counts=True - ещё и сколько раз встречается каждое.
Главное
np.unique(values, return_counts=True)возвращает два массива:uniqueиcounts.uniqueхранит различные значения по порядку: 1, 2, 3.countsхранит, как часто встречается каждое: 2, 1, 3.unique.tolist()иcounts.tolist()превращают числа NumPy в обычные числа Python, поэтому словарь выводится как{1: 2, 2: 1, 3: 3}.
Когда это нужно?
- Таблицы частот для категорий и меток.
- Проверка данных на неожиданные или написанные с ошибкой значения.
- Подсчёт размеров классов перед обучением модели.
Когда это не нужно
- Обычные списки Python:
collections.Counterдаёт количества без NumPy. - Таблицы с несколькими столбцами:
value_counts()в pandas сохраняет подписи и сортирует по количеству.
Пример кода
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())))
Результат выполнения
{1: 2, 2: 1, 3: 3}
Разбор кода
Функция np.unique() возвращает уникальные значения, отсортированные по возрастанию. С параметром return_counts=True она дополнительно возвращает массив с числом появлений каждого значения. Функция zip() соединяет два массива попарно, а dict() даёт результат {1: 2, 2: 1, 3: 3}.
Измените значения и запустите программу в онлайн-компиляторе Python CodeUtility без локальной установки Python.
Упражнения для практики
Попробуйте изменить код по подсказкам ниже. Если менять код и смотреть на результат, урок запомнится гораздо лучше, чем при простом чтении.
- Измените форму (shape) и тип данных (dtype) входного массива.
- Проверьте работу на отрицательных и дробных числах и пропущенных значениях.
- Примените ту же операцию к большему многомерному массиву и измерьте время.
Частые ошибки
Вывод чисел NumPy в словаре
В NumPy 2 ключи и значения выводятся как np.int64(1) вместо 1.
print(dict(zip(unique, counts)))
print(dict(zip(unique.tolist(), counts.tolist())))
Закончили этот урок?
Отметьте его как изученный, чтобы следить за прогрессом.
Попрактикуйтесь на задаче
Примените материал этого урока к реальной задаче. Каждая задача запускается в браузере, с мгновенными тестами и разбором от ИИ.
- Токенизатор слов и словарь Разбейте текст на слова в нижнем регистре и постройте словарь, отсортированный по частоте, — первый шаг любой языковой модели. Легко
- Удаление дубликатов Оставьте только первое вхождение каждого значения. Легко