如何确保一维数组中每个唯一标签计数≥指定值？附合并方案

我有一个从0开始标记的一维标签数组，目标是确保每个唯一标签的计数≥指定常量（如10）。若不满足，则将其与邻近标签合并，直到计数达标。

示例数据 #

import random
import numpy as np

data = np.concatenate(([0]*5, [1]*10, [2]*15, [3]*10, [4]*12, [5]*5))
random.Random(4).shuffle(data)
print(data)

输出结果：

array([2, 3, 4, 5, 2, 4, 2, 4, 2, 2, 0, 4, 1, 4, 4, 5, 4, 2, 1, 3, 1, 1,
       5, 0, 3, 3, 2, 2, 4, 4, 3, 3, 4, 4, 1, 2, 5, 1, 2, 2, 3, 3, 1, 0,
       2, 3, 5, 0, 0, 1, 1, 3, 2, 4, 1, 2, 2])

合并逻辑 #

从标签0开始，其计数为5（<10），将标签1合并到0（把1替换为0），此时标签0计数达标（15）；后续标签2计数达标，继续处理；最后标签5计数不足，将其替换为4。

现有实现及问题 #

目前通过遍历np.unique(data)并使用np.bincount(data)统计计数的方法实现，但在数据量较大时速度较慢，现有代码如下：

import random
data = np.concatenate(([0]*5, [1]*10, [2]*15, [3]*10, [4]*12, [5]*5))
random.Random(4).shuffle(data)

counts = np.bincount(data)

new_label = 0
count_num = 0

for label in np.unique(data):
    if count_num > 0:
        data[data==label] = label-1
    count_num += counts[label]
    
    if count_num >= 10:
        count_num = 0

    if label == np.unique(data)[-1] and counts[label] < 10:
        data[data==label] = label-1

处理后输出：

array([2, 3, 4, 4, 2, 4, 2, 4, 2, 2, 0, 4, 0, 4, 4, 4, 4, 2, 0, 3, 0, 0,
       4, 0, 3, 3, 2, 2, 4, 4, 3, 3, 4, 4, 0, 2, 4, 0, 2, 2, 3, 3, 0, 0,
       2, 3, 4, 0, 0, 0, 0, 3, 2, 4, 0, 2, 2])

请问有什么更高效的标签合并方案？

内容的提问来源于stack exchange，提问作者zxdawn