Функция unique NumPy в Python

Чтобы получить уникальные значения в массиве, мы можем использовать уникальную функцию (unique) NumPy в Python. Его основное использование возвращает отсортированные уникальные значения, но такие параметры, как return_index, return_inverse и return_counts, предоставляют индексы, обратные индексы и количество уникальных элементов соответственно.

Для несортированных результатов объедините unique с data[np.sort(idx)]. Чтобы обработать допуск, предварительно обработайте массив с помощью np.round до желаемой точности, прежде чем применять уникальные значения, эффективно группируя близкие значения как идентичные.

Уникальная функция NumPy в Python используется для поиска уникальных элементов массива. Он возвращает отсортированные уникальные элементы массива, предоставляя возможность возвращать индексы, количество раз появления каждого уникального элемента и обратный индекс.

Пример. Давайте возьмем массив и попробуем получить уникальные значения, используя уникальную функцию NumPy в Python.

import numpy as np
arr = np.array([1, 2, 2, 3, 3, 3, 4])
unique_elements = np.unique(arr)
print('The unique values of the input array is:\n', unique_elements)

Вывод: здесь простая функция np.unique() в Python вернет все уникальные значения из входного массива.

The unique values of the input array is:
 [1 2 3 4]

• Синтаксис и параметры
• Случай 1: базовая функция
• Случай 2: с параметром return_index
• Случай 3: с параметром return_inverse
• Случай 4: с параметром return_counts
• Случай 5: значения из строк и столбцов
• Случай 6: без сортировки
• Случай 7: с допуском

Синтаксис и параметры

Функция вызывается следующим образом:

numpy.unique(arr, return_index=False, return_inverse=False, return_counts=False, axis=None)

Здесь,

Могут быть разные варианты использования, если мы предоставим разные параметры в уникальной функции NumPy в Python. Давайте посмотрим на них один за другим.

Случай 1: базовая функция

Он находит и возвращает уникальные элементы из массива в Python.

Пример: представьте, что у нас есть массив в Python и мы хотим фильтровать из него только уникальные значения с помощью функции np.unique().

import numpy as np

states = np.array(['California', 'Texas', 'New York', 'California', 'Texas'])
unique_states = np.unique(states)
print('The unique states in the input array are:\n', unique_states)

Вывод: это вернет уникальные значения из массива в Python.

The unique states in the input array are:
 ['California' 'New York' 'Texas']

Таким образом, мы можем просто использовать уникальную функцию NumPy в Python.

Случай 2: с параметром return_index

numpy.unique с параметром return_index предоставляет уникальные элементы и индексы их первого появления в массиве NumPy.

import numpy as np

cities = np.array(["New York", "Los Angeles", "Chicago", "New York", "Los Angeles"])
unique_cities = np.unique(cities, return_index=True)
print('The unique cities in the input array are:\n', unique_cities)

Вывод:

The unique cities in the input array are:
(array(['Chicago', 'Los Angeles', 'New York'], dtype='<U11'), array([2, 1, 0], dtype=int64))

Случай 3: с параметром return_inverse

Функция np.unique() с параметром return_inverse возвращает уникальные элементы и индексы для восстановления arr на основе этих уникальных элементов.

import numpy as np

presidents = np.array(["Washington", "Jefferson", "Lincoln", "Roosevelt", "Roosevelt"])
unique_presidents_names, inverse_indices = np.unique(presidents, return_inverse=True)
print('The unique presidents names in the input array are:\n', unique_presidents_names)
print('The indices where the names are repeated: ', inverse_indices)

Вывод:

The unique presidents names in the input array are:
 ['Jefferson' 'Lincoln' 'Roosevelt' 'Washington']
The indices where the names are repeated:  [3 0 1 2 2]

Случай 4: с параметром return_counts

Функция np.unique() с параметром return_counts предоставляет уникальные элементы и количество их вхождений в массив Python.

import numpy as np

car_brands = np.array(['Ford', 'Toyota', 'Ford', 'Honda', 'Toyota', 'Honda'])
unique_brands, counts = np.unique(car_brands, return_counts=True)
print('The unique brands names in the input array are:\n', unique_brands)
print('The number of times names are repeated are: ', counts)

Вывод:

The unique brands names in the input array are:
 ['Ford' 'Honda' 'Toyota']
The number of times names are repeated are:  [2 2 2]

Случай 5: значения из строк и столбцов

Параметр np.unique() с осью идентифицирует уникальные строки(или столбцы, если ось = 1) в двумерном массиве Python.

Пример 1. Здесь мы будем использовать параметр оси, которому присвоено значение 0, чтобы получать только уникальные строки.

import numpy as np

demographic_data = np.array([[30, 55000], [40, 65000], [30, 55000], [40, 70000]])
unique_demographics = np.unique(demographic_data, axis=0)
print('The unique demographics data in the input array are:\n', unique_demographics)

Вывод:

The unique demographics data in the input array are:
 [[   30 55000]
 [   40 65000]
 [   40 70000]]

Пример 2. Здесь мы будем использовать параметр оси, которому присвоено значение 1, чтобы получить только уникальные столбцы.

import numpy as np

sales_data = np.array([
    [1200, 1500, 1200],  # Month 1
    [1300, 1500, 1300],  # Month 2
    [1250, 1600, 1250]   # Month 3
])

unique_sales_columns = np.unique(sales_data, axis=1)
print(unique_sales_columns)

Вывод:

[[1200 1500]
 [1300 1500]
 [1250 1600]]

Случай 6: без сортировки

По состоянию на последнее обновление в апреле 2023 года функция numpy.unique в Python не предоставляет встроенной возможности возвращать уникальные элементы без их сортировки. Однако мы можем получить несортированный уникальный список, используя комбинацию других функций NumPy и конструкций Python.

import numpy as np

data = np.array([20, 10, 50, 10, 30, 20, 40])
_, idx = np.unique(data, return_index=True)
unique_without_sort = data[np.sort(idx)]
print(unique_without_sort)

Вывод: здесь data[np.sort(idx)] извлекает элементы из исходного массива в порядке их первого появления, в результате чего получаются уникальные элементы без их сортировки по их значению через Python.

[20 10 50 30 40]

Случай 7: с допуском

Уникальная функция NumPy в Python с допуском достигается путем округления элементов массива до указанного количества десятичных знаков перед применением np.unique, обрабатывая значения как одинаковые, если они округляются до одного и того же числа.

import numpy as np

measurements = np.array([1.01, 1.02, 1.003, 1.0004, 2.1, 2.05, 2.095])
tolerance = 2
rounded_measurements = np.round(measurements, decimals=tolerance)
unique_measurements = np.unique(rounded_measurements)

print(unique_measurements)

Вывод:

[1.   1.01 1.02 2.05 2.1 ]