如何基于指定类别数组统计NumPy数组元素的出现次数？

我目前使用np.bincount统计分类元素的出现次数，代码及输出如下：

print(df[attribute].cat.categories)
>>> Int64Index([0, 1, 2], dtype='int64')
print(df[attribute].to_numpy())
>>> [0 1 0 1 1]
partition = np.bincount(df[attribute].to_numpy())
print(partition)
>>> [2 3]

我希望基于categories数组作为统计区间，得到包含未出现类别（如类别2）的计数结果，即输出[2 3 0]。我的数据框中分类数据均为从0开始的整数编码，且希望避免使用df[attribute].value_counts()，因为性能分析显示它存在性能瓶颈。

方法1：补全np.bincount结果到目标长度 #

由于你的分类是从0开始的连续整数，直接获取categories的长度，将bincount的结果补全到对应长度，缺失位置填充0即可：

categories = df[attribute].cat.categories
counts = np.bincount(df[attribute].to_numpy())
full_counts = np.zeros(len(categories), dtype=int)
full_counts[:len(counts)] = counts
print(full_counts)
>>> [2 3 0]

方法2：使用np.histogram指定统计区间 #

利用np.histogram，将bins设置为categories对应的整数边界，直接生成包含所有类别的计数：

categories = df[attribute].cat.categories
data = df[attribute].to_numpy()
counts, _ = np.histogram(data, bins=np.arange(len(categories)+1))
print(counts)
>>> [2 3 0]

方法3：通过索引映射对齐分类 #

如果后续分类出现非连续的情况（当前场景是连续从0开始，该方法同样适用），可以直接用categories作为索引从bincount结果中取值，不存在的类别会自动返回0：

categories = df[attribute].cat.categories
data = df[attribute].to_numpy()
counts = np.bincount(data)
full_counts = counts[categories]
print(full_counts)
>>> [2 3 0]

内容的提问来源于stack exchange，提问作者redrobinyum