NumPy教程-numpy.unique()在Python中的使用
Python的numpy模块提供了一个用于在numpy数组中查找唯一元素的函数。numpy.unique()函数用于查找数组的唯一元素，并将这些唯一元素返回为一个排序过的数组。除了唯一元素外，还有一些可选的输出，如下所示：
- 输出可以是给定输入数组中唯一值的索引。
- 输出可以是重构输入数组的唯一数组的索引。
- 输出可以是输入数组中每个唯一值出现的次数的数组。
语法
numpy.unique(a, return_index=False, return_inverse=False, return_counts=False, axis=None) 参数
以下是numpy.mean()函数中的参数：
a: array_like
此参数定义了包含所需唯一值的源数组。如果不是1-D数组，则数组将被展平。
return_index: bool（可选）
如果将此参数设置为True，则函数将返回输入数组的索引（沿指定轴，如果提供，或在展平数组中），这些索引导致唯一数组。
return_inverse: bool（可选）
如果将此参数设置为True，则函数还将返回输入数组的索引（沿指定轴，如果提供，或在展平数组中），可以用来重构输入数组。
return_counts: bool（可选）
如果将此参数设置为True，则函数将返回每个唯一项在输入数组'a'中出现的次数。
axis: int或None（可选）
此参数定义要操作的轴。如果未设置此参数，则数组'a'将被展平。如果此参数是整数，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度的1-D数组的元素。如果使用了轴'kwarg'，则不支持包含对象的结构化数组或包含对象的对象数组。
返回值
此函数返回四种类型的输出，如下所示：
unique: ndarray
此输出将显示一个包含排序唯一值的ndarray。
unique_indices: ndarray（可选）
此输出将显示一个包含原始数组中唯一值的第一次出现的索引的ndarray。仅在return_index为True时提供此输出。
unique_inverse: ndarray（可选）
此输出将显示一个包含用于从唯一数组重构原始数组的索引的ndarray。仅在return_inverse为True时提供此输出。
unique_counts: ndarray（可选）
此输出将显示一个包含原始数组中每个唯一值出现次数的ndarray。仅在return_counts为True时提供此输出。
示例1：
import numpy as np
a=np.unique([1,2,3,4,3,6,2,4])
a 输出：
array([1, 2, 3, 4, 6])在上面的代码中
- 我们使用别名np导入了numpy。
- 我们声明了变量'a'并赋值为np.unique()函数的返回值。
- 我们在函数中传递了一些元素的数量。
- 最后，我们尝试打印变量'a'的值。
在输出中，显示了一个包含唯一元素的ndarray。
示例2：
a=np.array([[1,2,2,3,9],[1,4,3,5,8]])
a
b=np.unique(a)
b 输出：
array([[1, 2, 2, 3, 9],
[1, 4, 3, 5, 8]])
array([1, 2, 3, 4, 5, 8, 9])示例3：
import numpy as np
a = np.array([[1, 1, 0], [1, 1, 0], [2, 3, 4],[5, 9, 8],[2, 3, 4]])
a
b=np.unique(a, axis=0)
b 输出：
array([[1, 1, 0],
[1, 1, 0],
[2, 3, 4],
[5, 9, 8],
[2, 3, 4]])
array([[1, 1, 0],
[2, 3, 4],
[5, 9, 8]])在上面的代码中
- 我们使用别名np导入了numpy。
- 我们创建了一个多维数组'a'。
- 我们声明了变量'b'并赋值为np.unique()函数的返回值。
- 我们在函数中传递了多维数组'a'和轴0。
- 最后，我们尝试打印变量'b'的值。
在输出中，显示了一个包含源数组'a'的唯一行的ndarray。
示例4：
import numpy as np
a = np.array([[1, 1, 0], [1, 1, 0], [2, 2, 4], [5, 5, 8], [2, 2, 4]])
a
b = np.unique(a, axis=1)
b输出：
array([[1, 1, 0],
[1, 1, 0],
[2, 2, 4],
[5, 5, 8],
[2, 2, 4]])
array([[0, 1],
[0, 1],
[4, 2],
[8, 5],
[4, 2]])注意：当我们将轴设置为1时，此函数将从源数组返回唯一的列。
示例5：使用return_index
import numpy as np
a = np.array(['d', 'b', 'b', 'z', 'a'])
result, indices=np.unique(a,return_index=True)
result
indices
a[indices] 输出：
array(['a', 'b', 'd', 'z'], dtype='|S1')
array([4, 1, 0, 3], dtype=int64)
array(['a', 'b', 'd', 'z'], dtype='|S1')在上面的代码中
- 我们使用别名np导入了numpy。
- 我们创建了一个数组'a'。
- 我们声明了变量'result'和'indices'，并赋值为np.unique()函数的返回值。
- 我们在函数中传递了数组'a'，并将return_index设置为True。
- 最后，我们尝试打印变量'result'、'indices'以及数组元素，这些元素表示索引('a [indices]')。
在输出中，显示了一个包含原始数组的索引，这些索引给出了唯一值的ndarray。
示例6：使用return_inverse
我们可以通过以下方式从唯一值重构输入数组：
import numpy as np
a = np.array([1, 2, 6, 4, 5, 3, 2])
result, indices=np.unique(a,return_inverse=True)
result
indices
a[indices] 输出：
array([1, 2, 3, 4, 5, 6])
array([0, 1, 5, 3, 4, 2, 1], dtype=int64)
array([1, 2, 3, 4, 5, 6, 2])
