NumPy 中 np.unique函數詳解

一、np.unique(image)函數

np.unique(image) 函數在 NumPy 中用來返回唯一的元素數組，同樣適用於圖像處理。

在處理圖像時，我們可以使用該函數返回圖像中的顏色通道。例如，以下代碼將返回 RGB 圖像的所有顏色通道：

import numpy as np
import cv2

# 讀取 RGB 圖像
img = cv2.imread('image.png')

# 獲取唯一的元素數組，返回 RGB 圖像的所有顏色通道
unique_pixels = np.unique(img.reshape(-1, img.shape[2]), axis=0)

將原始圖像重新形狀為一維向量，列數與顏色通道數相同。然後將其傳遞給 np.unique()，以便計算所有不同的元素。我們使用 axis=0 參數來保留所得到的唯一值的顏色通道。

二、np.unique函數處理圖像

在處理圖像時， np.unique() 函數還可以用於獲取圖像的顏色通道，並且可以幫助我們實現一些簡單的圖像處理方法。例如，以下代碼將返回顏色值最高的顏色通道：

# 讀取 RGB 圖像
img = cv2.imread('image.png')

# 獲取顏色通道
channel = np.argmax(np.bincount(img[:,:,0].ravel()))

# 輸出結果
print('The color with the highest value is:', channel)

首先，我們傳遞藍色顏色通道給 np.bincount() 函數來計算每個顏色值的出現次數。然後使用 np.argmax() 函數獲取出現次數最高的顏色值的索引。最後，我們得到該顏色通道的索引。

三、np.unique提速

在處理大型數組時， np.unique() 函數可能會變得很慢。為了避免這種情況，我們可以使用 np.searchsorted() 函數。

以下代碼演示了如何使用 np.searchsorted() 函數來加速 np.unique() 函數：

# 生成虛擬數據數組
arr = np.random.randint(low=0, high=1000000, size=100000)

# 用 np.unique() 計算唯一值的速度，並輸出所使用的時間
%timeit np.unique(arr)

# 用 np.searchsorted() 和 np.sort() 來計算唯一值的速度，並輸出所使用的時間
%timeit np.sort(arr); np.concatenate(([arr[0]], arr[1:][np.diff(arr) != 0]))

# 比較結果
%timeit np.unique(arr) == np.sort(arr); np.concatenate(([arr[0]], arr[1:][np.diff(arr) != 0]))

從輸出結果可以看出，使用 np.searchsorted() 可以大大提高 np.unique() 函數的計算速度。

四、np.unique(arr)用法

np.unique(arr) 函數可以用來獲取數組 arr 中的唯一值。以下代碼展示了這個情況：

# 生成虛擬數據數組
arr = np.array([1, 2, 3, 4, 5, 1, 2, 3, 4, 5])

# 獲取 arr 中的唯一元素
unique_arr = np.unique(arr)

# 輸出結果
print('Unique elements in arr are:', unique_arr)

五、np.unique函數參數

我們可以使用一些可選參數自定義 np.unique() 函數的行為。以下是一些常用參數：

1. return_index

如果 return_index 為 True，則返回唯一值的索引，而非唯一值本身。

# 生成虛擬數據數組
arr = np.array([1, 2, 3, 4, 5, 1, 2, 3, 4, 5])

# 獲取 arr 中唯一元素的索引
unique_indices = np.unique(arr, return_index=True)[1]

# 輸出結果
print('Indexes of unique elements:', unique_indices)

2. return_inverse

如果 return_inverse 為 True，則將數組元素替換為其在唯一元素數組中的位置。

# 生成虛擬數據數組
arr = np.array([1, 2, 3, 4, 5, 1, 2, 3, 4, 5])

# 獲取 arr 中唯一元素和索引
unique_arr, inverse_indices = np.unique(arr, return_inverse=True)

# 將數組元素替換為其在唯一元素數組中的位置
arr_replaced = unique_arr[inverse_indices]

# 輸出結果
print('Original array:', arr)
print('Array with replaced elements:', arr_replaced)

3. return_counts

如果 return_counts 為 True，則返回每個唯一元素的出現次數。

# 生成虛擬數據數組
arr = np.array([1, 2, 3, 4, 5, 1, 2, 3, 4, 5])

# 獲取 arr 中唯一元素和其出現次數
unique_arr, counts = np.unique(arr, return_counts=True)

# 輸出結果
for i in range(len(unique_arr)):
    print('Element', unique_arr[i], 'appears', counts[i], 'times in arr')

六、np.unique什麼意思

np.unique() 函數的作用是從數組中獲取唯一值，並按照升序排列。以下代碼展示了這個過程：

# 生成虛擬數據數組
arr = np.array([1, 2, 3, 4, 5, 1, 2, 3, 4, 5])

# 獲取 arr 中的唯一元素
unique_arr = np.unique(arr)

# 輸出結果
print('Unique elements in arr are:', unique_arr)

七、np.unique'()

當我們使用字元串數組時， np.unique() 函數的行為將有所不同。例如，以下代碼將返回字元串數組中每個單獨的字元，而非單詞：

# 生成虛擬字元串數組
arr = np.array(['apple', 'banana', 'cherry'])

# 獲取 arr 中的唯一元素
unique_arr = np.unique(arr)

# 輸出結果
print('Unique elements in arr are:', unique_arr)

八、np.unique(a)

np.unique(a) 函數將返回數組 a 中唯一值的排序版本。以下代碼展示了這個過程：

# 生成虛擬數據數組
a = np.array([1, 2, 3, 5, 3, 2, 1, 4])

# 獲取 a 中的唯一元素
unique_a = np.unique(a)

# 輸出結果
print('Unique elements in a are:', unique_a)

# 獲取 a 中的唯一元素的排序版本
sorted_unique_a = np.sort(unique_a)

# 輸出結果
print('Sorted unique elements in a are:', sorted_unique_a)

在這裡，我們使用 np.sort() 函數來獲得唯一值的排序版本。