Effiziente Bestimmung der Häufigkeitsanzahl eindeutiger Werte in NumPy-Arrays

In diesem Artikel wird eine effiziente Methode zur Berechnung der Häufigkeitsanzahl eindeutiger Werte innerhalb eines NumPy-Arrays untersucht.

Verwendung von numpy.unique mit return_counts=True (für NumPy-Versionen 1.9 und höher) ermöglicht eine effiziente Berechnung sowohl eindeutiger Werte als auch ihrer entsprechenden Anzahlen. Zur Veranschaulichung:

import numpy as np

x = np.array([1,1,1,2,2,2,5,25,1,1])
unique, counts = np.unique(x, return_counts=True)

print(np.asarray((unique, counts)).T)

Dieser Ansatz übertrifft die Funktion scipy.stats.itemfreq hinsichtlich der Ausführungsgeschwindigkeit deutlich, wie in Leistungsbenchmarks gezeigt:

In [4]: x = np.random.random_integers(0,100,1e6)

In [5]: %timeit unique, counts = np.unique(x, return_counts=True)
10 loops, best of 3: 31.5 ms per loop

In [6]: %timeit scipy.stats.itemfreq(x)
10 loops, best of 3: 170 ms per loop