
- NumPy 教程
- NumPy - 首頁
- NumPy - 簡介
- NumPy - 環境
- NumPy 陣列
- NumPy - Ndarray 物件
- NumPy - 資料型別
- NumPy 建立和運算元組
- NumPy - 陣列建立例程
- NumPy - 陣列操作
- NumPy - 從現有資料建立陣列
- NumPy - 從數值範圍建立陣列
- NumPy - 遍歷陣列
- NumPy - 重塑陣列
- NumPy - 連線陣列
- NumPy - 堆疊陣列
- NumPy - 分割陣列
- NumPy - 展平陣列
- NumPy - 轉置陣列
- NumPy 索引和切片
- NumPy - 索引和切片
- NumPy - 高階索引
- NumPy 陣列屬性和操作
- NumPy - 陣列屬性
- NumPy - 陣列形狀
- NumPy - 陣列大小
- NumPy - 陣列步長
- NumPy - 陣列元素大小
- NumPy - 廣播
- NumPy - 算術運算
- NumPy - 陣列加法
- NumPy - 陣列減法
- NumPy - 陣列乘法
- NumPy - 陣列除法
- NumPy 高階陣列操作
- NumPy - 交換陣列的軸
- NumPy - 位元組交換
- NumPy - 複製和檢視
- NumPy - 元素級陣列比較
- NumPy - 過濾陣列
- NumPy - 連線陣列
- NumPy - 排序、搜尋和計數函式
- NumPy - 搜尋陣列
- NumPy - 陣列的並集
- NumPy - 查詢唯一行
- NumPy - 建立日期時間陣列
- NumPy - 二元運算子
- NumPy - 字串函式
- NumPy - 數學函式
- NumPy - 統計函式
- NumPy - 矩陣庫
- NumPy - 線性代數
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 繪製直方圖
- NumPy - NumPy 的 I/O
- NumPy 排序和高階操作
- NumPy - 排序陣列
- NumPy - 沿軸排序
- NumPy - 使用花式索引排序
- NumPy - 結構化陣列
- NumPy - 建立結構化陣列
- NumPy - 操作結構化陣列
- NumPy - 欄位訪問
- NumPy - 記錄陣列
- NumPy - 載入陣列
- NumPy - 儲存陣列
- NumPy - 將值追加到陣列
- NumPy - 交換陣列的列
- NumPy - 向陣列插入軸
- NumPy 處理缺失資料
- NumPy - 處理缺失資料
- NumPy - 識別缺失值
- NumPy - 刪除缺失資料
- NumPy - 填充缺失資料
- NumPy 效能最佳化
- NumPy - 使用陣列進行效能最佳化
- NumPy - 使用陣列進行向量化
- NumPy - 陣列的記憶體佈局
- NumPy 線性代數
- NumPy - 線性代數
- NumPy - 矩陣庫
- NumPy - 矩陣加法
- NumPy - 矩陣減法
- NumPy - 矩陣乘法
- NumPy - 元素級矩陣運算
- NumPy - 點積
- NumPy - 矩陣求逆
- NumPy - 行列式計算
- NumPy - 特徵值
- NumPy - 特徵向量
- NumPy - 奇異值分解
- NumPy - 求解線性方程組
- NumPy - 矩陣範數
- NumPy 元素級矩陣運算
- NumPy - 求和
- NumPy - 求平均值
- NumPy - 求中位數
- NumPy - 求最小值
- NumPy - 求最大值
- NumPy 集合運算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 並集
- NumPy - 差集
- NumPy 有用資源
- NumPy 編譯器
- NumPy - 快速指南
- NumPy - 有用資源
- NumPy - 討論
NumPy unique() 函式
NumPy 的unique()函式用於返回陣列中排序後的唯一元素。它還可以選擇性地返回輸入陣列中給出唯一值的索引以及每個唯一值的計數。
此函式可用於從陣列中刪除重複項並瞭解元素的頻率。
語法
以下是 NumPy unique()函式的語法:
numpy.unique(arr, return_index, return_inverse, return_counts)
引數
以下是 NumPy unique()函式的引數:
- arr: 輸入陣列。如果不是一維陣列,將被展平。
- return_index: 如果為 True,則返回輸入陣列中元素的索引。
- return_inverse: 如果為 True,則返回唯一陣列的索引,可用於重建輸入陣列。
- return_counts: 如果為 True,則返回唯一陣列中元素在原始陣列中出現的次數。
示例 1
以下是 NumPy unique()函式的示例,其中建立了一個包含給定輸入陣列唯一值的陣列:
import numpy as np # Create a 1D array a = np.array([5, 2, 6, 2, 7, 5, 6, 8, 2, 9]) print('First array:') print(a) print('\n') # Get unique values in the array print('Unique values of first array:') u = np.unique(a) print(u) print('\n')
輸出
First array: [5 2 6 2 7 5 6 8 2 9] Unique values of first array: [2 5 6 7 8 9]
示例 2
在本示例中,我們使用 unique() 函式獲取唯一值及其索引:
import numpy as np # Create a 1D array a = np.array([5, 2, 6, 2, 1, 7, 5, 6, 8, 2, 9]) print('First array:') print(a) print('\n') # Get unique values and their indices in the original array print('Unique array and Indices array:') u, indices = np.unique(a, return_index=True) print(indices) print('\n') print('We can see each number corresponds to index in original array:') print(a) print('\n')
輸出
First array: [5 2 6 2 1 7 5 6 8 2 9] Unique array and Indices array: [ 4 1 0 2 5 8 10] We can see each number corresponds to index in original array: [5 2 6 2 1 7 5 6 8 2 9]
示例 3
以下是使用唯一元素及其索引重建原始陣列的示例:
import numpy as np # Create a 1D array a = np.array([5, 2, 6, 2, 7, 5, 6, 8, 2, 9]) print('First array:') print(a) print('\n') # Get unique values and indices to reconstruct the original array print('Indices of unique array:') u, indices = np.unique(a, return_inverse=True) print(u) print('\n') print('Indices are:') print(indices) print('\n') print('Reconstruct the original array using indices:') print(u[indices]) print('\n') # Get counts of unique values print('Return the count of repetitions of unique elements:') u, indices = np.unique(a, return_counts=True) print(u) print(indices)
輸出
First array: [5 2 6 2 7 5 6 8 2 9] Indices of unique array: [2 5 6 7 8 9] Indices are: [1 0 2 0 3 1 2 4 0 5] Reconstruct the original array using indices: [5 2 6 2 7 5 6 8 2 9] Return the count of repetitions of unique elements: [2 5 6 7 8 9] [3 2 2 1 1 1]
numpy_array_manipulation.htm
廣告