numpy.unique#

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

查找数组的唯一元素.

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:

  • 输入数组的索引,给出唯一值

  • 重建输入数组的唯一数组的索引

  • 输入数组中每个唯一值出现的次数

参数:
ararray_like

输入数组.除非指定了 axis ,否则如果它不是已经 1-D 的,它将被展平.

return_indexbool, 可选

如果为真,还返回 ar 的索引（沿着指定的轴,如果提供,或在展平的数组中）,这些索引结果在唯一数组中.

return_inversebool, 可选

如果为真,还返回唯一数组的索引（如果提供了指定的轴）,这些索引可以用来重建 ar.

return_countsbool, 可选

如果为真,还返回每个唯一项在 ar 中出现的次数.

axis整数或无,可选

要操作的轴.如果为 None,`ar` 将被展平.如果是整数,则由给定轴索引的子数组将被展平并视为 1-D 数组的元素,其维度为给定轴,详见注释.如果使用 axis kwarg,则不支持包含对象的对象数组或结构化数组.默认为 None.

在 1.13.0 版本加入.

equal_nanbool, 可选

如果为真,将返回数组中的多个 NaN 值合并为一个.

在 1.24 版本加入.

返回:
uniquendarray

排序后的唯一值.

unique_indicesndarray, 可选

原始数组中唯一值首次出现的索引.仅在 return_index 为 True 时提供.

unique_inversendarray, 可选

用于从唯一数组重建原始数组的索引.仅在 return_inverse 为 True 时提供.

unique_countsndarray, 可选

每个唯一值在原始数组中出现的次数.仅在 return_counts 为 True 时提供.

在 1.9.0 版本加入.

参见

repeat

重复数组的元素.

备注

当指定一个轴时,由该轴索引的子数组将被排序.这是通过将指定的轴变为数组的第一维度（移动轴到第一维度以保持其他轴的顺序）,然后按C顺序展平子数组来完成的.展平的子数组然后被视为具有每个元素标签的结构化类型,其效果是我们最终得到一个可以以与其他任何1-D数组相同的方式处理的结构化类型的1-D数组.结果是展平的子数组按字典顺序从第一个元素开始排序.

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])

返回一个二维数组的唯一行

>>> 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])

从唯一值和计数中重建输入值:

>>> 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
On this page