При работе с задачами анализа и манипулирования данными часто необходимо подсчитывать вхождения уникальных значений в строках двумерного массива NumPy. В этой статье блога мы рассмотрим несколько методов выполнения этой задачи на примерах кода Python. К концу вы получите полное представление о различных подходах к подсчету уникальных значений в строках массива NumPy.

Метод 1: использование функций unique() и bincount() NumPy
Один простой подход — использовать встроенные функции NumPy unique() и bincount(). Функция unique() возвращает уникальные элементы массива, а функция bincount() подсчитывает вхождения каждого элемента. Вот пример:

import numpy as np
# Create a 2D NumPy array
arr = np.array([[1, 2, 3],
                [2, 3, 4],
                [1, 2, 3]])
# Count unique values in each row
unique_counts = np.apply_along_axis(lambda x: np.bincount(x).size, axis=1, arr=arr)
print(unique_counts)

Метод 2: использование метода value_counts() в pandas
Если вы работаете с большим набором данных и предпочитаете более удобный подход, вы можете использовать библиотеку pandas, которая предоставляет мощные инструменты для манипулирования данными. Метод value_counts() в pandas возвращает серию, содержащую количество уникальных значений. Вот пример:

import numpy as np
import pandas as pd
# Create a 2D NumPy array
arr = np.array([[1, 2, 3],
                [2, 3, 4],
                [1, 2, 3]])
# Convert the NumPy array to a DataFrame
df = pd.DataFrame(arr)
# Count unique values in each row
unique_counts = df.apply(lambda row: row.value_counts().size, axis=1)
print(unique_counts.values)

Метод 3: использование коллекций Python.Counter
Другой подход — использовать класс Collections.Counter из стандартной библиотеки Python. Counter — удобный и эффективный инструмент для подсчета хэшируемых объектов. Вот пример его использования с 2D-массивом NumPy:

import numpy as np
from collections import Counter
# Create a 2D NumPy array
arr = np.array([[1, 2, 3],
                [2, 3, 4],
                [1, 2, 3]])
# Count unique values in each row
unique_counts = [len(Counter(row)) for row in arr]
print(unique_counts)

В этой статье мы рассмотрели три различных метода подсчета уникальных значений в строках двумерного массива NumPy. Мы рассмотрели использование функций unique() и bincount() NumPy, метода value_counts() pandas и класса Python Collections.Counter. В зависимости от ваших конкретных требований и предпочтений вы можете выбрать наиболее подходящий подход для ваших задач анализа данных. Используя эти методы, вы можете эффективно подсчитывать уникальные значения в строках и получать ценную информацию из своих данных.