Numpy計數的應用

一、常規計數

在數據分析和科學計算時，經常需要進行計數操作。使用numpy中的count_nonzero函數可以方便地對數組中的非零元素進行計數。

import numpy as np

# 生成數組
arr = np.array([[1, 2, 3], [0, 4, 5], [6, 0, 8]])

# 計算非零元素個數
count = np.count_nonzero(arr)
print(count) # 輸出：7

count_nonzero函數還支持在某個軸上進行計數，如在行上計數:

# 對行進行計數
count_row = np.count_nonzero(arr, axis=1)
print(count_row) # 輸出：[3 2 2]

二、統計計數

在數據分析中，經常需要進行統計計數，比如統計一組數中每個數字出現的次數，可以使用numpy中的unique函數和bincount函數實現。

使用unique函數可以找到數組中的唯一值，然後使用bincount函數進行計數：

# 生成隨機數組
arr = np.random.randint(low=1, high=6, size=10)
print(arr) # 輸出：[2 2 1 2 5 2 1 4 2 3]

# 統計每個數字出現的次數
unique, counts = np.unique(arr, return_counts=True)
counts_each_num = np.zeros(6, dtype=int)
counts_each_num[unique] = counts
print(counts_each_num) # 輸出：[0 2 5 1 1 1]

如果需要快速統計一組數中每個數字出現的次數，可以使用numpy中的bincount函數：

# 使用bincount函數統計每個數字出現的次數
counts_each_num = np.bincount(arr)
print(counts_each_num) # 輸出：[0 2 5 1 1 1]

三、條件計數

在進行數據篩選時，經常需要對符合條件的數據進行計數。可以使用numpy中的where函數和count_nonzero函數實現條件計數。

如統計數組中大於3的元素個數：

# 使用where函數找到大於3的元素的索引
idx = np.where(arr > 3)

# 使用count_nonzero函數計算元素個數
count = np.count_nonzero(arr[idx])
print(count) # 輸出：2

四、行列互換計數

在進行數據分析時，經常需要對矩陣進行行列互換，並對新矩陣進行計數。可以使用numpy中的transpose函數和count_nonzero函數實現。

例如，對下面的矩陣進行行列互換，然後計算非零元素的個數：

# 生成2*3的矩陣
arr = np.array([[0, 1, 2], [3, 4, 5]])

# 對矩陣進行行列互換
new_arr = np.transpose(arr)

# 計算非零元素個數
count = np.count_nonzero(new_arr)
print(count) # 輸出：6

五、多維計數

在進行多維數據分析時，經常需要進行多維計數操作。numpy中提供了ravel函數可以將多維數組展平為一維，然後進行計數。同時也可以在指定軸上進行計數。

例如，對3維矩陣進行計數：

# 生成3維矩陣
arr = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])

# 將3維矩陣展平為一維，然後進行計數
count = np.count_nonzero(np.ravel(arr))
print(count) # 輸出：8

# 在指定軸（第2個軸）上進行計數
count_axis = np.count_nonzero(arr, axis=1)
print(count_axis) # 輸出：[[2 2] [2 2]]