numpy.unique#

numpy.unique(ar, return_index=False, return_inverse=False, return_counts=False, axis=None, *, equal_nan=True)[source]#

查找数组中唯一的元素。

返回数组的排序唯一元素。除了唯一元素之外，还有三个可选输出：

  • 输入数组中给出唯一值的索引

  • 唯一数组的索引，可用于重建输入数组

  • 每个唯一值在输入数组中出现的次数

参数：
ararray_like

输入数组。除非指定了 axis，否则如果它不是一维数组，它将被展平。

return_indexbool, 可选

如果为 True，则还返回 ar 的索引（如果提供了，则沿指定的轴，或者在展平的数组中），这些索引会导致唯一的数组。

return_inversebool, 可选

如果为 True，则还返回唯一数组的索引（如果提供了，则对于指定的轴），这些索引可用于重建 ar。

return_countsbool, 可选

如果为 True，则还返回每个唯一项在 ar 中出现的次数。

axisint 或 None, 可选

要操作的轴。如果为 None，则 ar 将被展平。如果为整数，则由给定轴索引的子数组将被展平并被视为具有给定轴维数的一维数组的元素，有关更多详细信息，请参见注释。如果使用了 axis 关键字参数，则不支持包含对象的数组或结构化数组。默认为 None。

equal_nanbool, 可选

如果为 True，则将返回数组中的多个 NaN 值折叠为一个。

版本 1.24 中的新功能。

返回值：
uniquendarray

排序后的唯一值。

unique_indicesndarray, 可选

唯一值在原始数组中首次出现的索引。仅当 return_index 为 True 时才提供。

unique_inversendarray, 可选

从唯一数组重建原始数组的索引。仅当 return_inverse 为 True 时才提供。

unique_countsndarray, 可选

每个唯一值在原始数组中出现的次数。仅当 return_counts 为 True 时才提供。

另请参见

repeat

重复数组的元素。

sort

返回数组的已排序副本。

注释

当指定轴时，按轴索引的子数组将被排序。这是通过使指定的轴成为数组的第一维（将轴移动到第一维以保持其他轴的顺序），然后以 C 顺序展平子数组来完成的。然后将展平的子数组视为具有结构化类型的结构化类型，每个元素都标有标签，这样我们最终得到一个一维结构化类型的数组，其处理方式与任何其他一维数组相同。结果是，展平的子数组按字典顺序排序，从第一个元素开始。

版本 1.21 中的更改：与 np.sort 一样，NaN 将排序到值的末尾。对于复杂数组，所有 NaN 值都被认为是等效的（无论 NaN 在实部还是虚部）。作为返回数组的代表，选择字典顺序中最小的一个——有关如何为复杂数组定义字典顺序，请参见 np.sort。

版本 2.0 中的更改：对于多维输入，unique_inverse 的形状将被重新调整，以便可以使用 np.take(unique, unique_inverse, axis=axis) 来重建输入。当 axis=None 时，结果现在不再是一维的。

请注意，在 NumPy 2.0.0 中，当 axis 不为 None 时，也会返回高维数组。这已被恢复，但可以使用 inverse.reshape(-1) 来确保与两个版本都兼容。

示例

>>> import numpy as np
>>> np.unique([1, 1, 2, 2, 3, 3])
array([1, 2, 3])
>>> a = np.array([[1, 1], [2, 3]])
>>> np.unique(a)
array([1, 2, 3])

返回二维数组的唯一行

>>> a = np.array([[1, 0, 0], [1, 0, 0], [2, 3, 4]])
>>> np.unique(a, axis=0)
array([[1, 0, 0], [2, 3, 4]])

返回原始数组中给出唯一值的索引

>>> a = np.array(['a', 'b', 'b', 'c', 'a'])
>>> u, indices = np.unique(a, return_index=True)
>>> u
array(['a', 'b', 'c'], dtype='<U1')
>>> indices
array([0, 1, 3])
>>> a[indices]
array(['a', 'b', 'c'], dtype='<U1')

从唯一值和逆值重建输入数组

>>> a = np.array([1, 2, 6, 4, 2, 3, 2])
>>> u, indices = np.unique(a, return_inverse=True)
>>> u
array([1, 2, 3, 4, 6])
>>> indices
array([0, 1, 4, 3, 1, 2, 1])
>>> u[indices]
array([1, 2, 6, 4, 2, 3, 2])

从唯一值和计数重建输入值

>>> a = np.array([1, 2, 6, 4, 2, 3, 2])
>>> values, counts = np.unique(a, return_counts=True)
>>> values
array([1, 2, 3, 4, 6])
>>> counts
array([1, 3, 1, 1, 1])
>>> np.repeat(values, counts)
array([1, 2, 2, 2, 3, 4, 6])    # original order not preserved
本页内容