Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment compter les valeurs uniques dans le tableau NumPy (3 exemples)



Vous pouvez utiliser les méthodes suivantes pour compter les valeurs uniques dans un tableau NumPy :

Méthode 1 : afficher les valeurs uniques

np.unique(my_array)

Méthode 2 : compter le nombre de valeurs uniques

len(np.unique(my_array))

Méthode 3 : compter les occurrences de chaque valeur unique

np.unique(my_array, return_counts=True)

Les exemples suivants montrent comment utiliser chaque méthode en pratique avec le tableau NumPy suivant :

import numpy as np

#create NumPy array
my_array = np.array([1, 3, 3, 4, 4, 7, 8, 8])

Exemple 1 : afficher des valeurs uniques

Le code suivant montre comment afficher les valeurs uniques dans le tableau NumPy :

#display unique values
np.unique(my_array)

array([1, 3, 4, 7, 8])

À partir de la sortie, nous pouvons voir chacune des valeurs uniques du tableau NumPy : 1, 3, 4, 7, 8.

Exemple 2 : compter le nombre de valeurs uniques

Le code suivant montre comment compter le nombre total de valeurs uniques dans le tableau NumPy :

#display total number of unique values
len(np.unique(my_array))

5

D’après la sortie, nous pouvons voir qu’il y a 5 valeurs uniques dans le tableau NumPy.

Exemple 3 : compter les occurrences de chaque valeur unique

Le code suivant montre comment compter le nombre d’occurrences de chaque valeur unique dans le tableau NumPy :

#count occurrences of each unique value
np.unique(my_array, return_counts=True)

(array([1, 3, 4, 7, 8]), array([1, 2, 2, 1, 2]))

Le premier tableau de la sortie affiche les valeurs uniques et le deuxième tableau affiche le nombre de chaque valeur unique.

Nous pouvons utiliser le code suivant pour imprimer cette sortie dans un format plus facile à lire :

#get unique values and counts of each value
unique, counts = np.unique(my_array, return_counts=True)

#display unique values and counts side by side
print(np.asarray((unique, counts)).T)

[[1 1]
 [3 2]
 [4 2]
 [7 1]
 [8 2]]

À partir du résultat, nous pouvons voir :

  • La valeur 1 apparaît 1 fois.
  • La valeur 3 apparaît 2 fois.
  • La valeur 4 apparaît 2 fois.
  • La valeur 7 apparaît 1 fois.
  • La valeur 8 apparaît 2 fois.

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations courantes en Python :

Comment calculer le mode du tableau NumPy
Comment mapper une fonction sur un tableau NumPy
Comment trier un tableau NumPy par colonne

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *