基于Numpy按位置统计元素重复频次的实现需求

已实现的采样代码 #

import numpy as np

np.random.seed(seed=123)
N = 10
samples = []
P = [0.5, 0.3, 0.1, 0.1]

for i in np.arange(N):
    picks = np.random.choice(4, size=4, replace=False, p=P)
    samples.append(picks)

samples

采样结果 #

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

频次统计实现 #

方法1：向量化统计（高效推荐） #

将采样结果转换为二维numpy数组后，通过np.bincount统计每个位置的数字频次：

# 转换为二维数组
samples_arr = np.array(samples)

# 初始化频次矩阵：行对应数字0-3，列对应位置0-3
freq_matrix = np.zeros((4, 4), dtype=int)

# 遍历每个位置统计频次
for pos in range(4):
    freq_matrix[:, pos] = np.bincount(samples_arr[:, pos], minlength=4)

print("各数字在不同位置的频次分布：")
print(freq_matrix)

运行输出：

各数字在不同位置的频次分布：
[[4 6 1 0]
 [5 3 2 0]
 [1 0 1 8]
 [0 1 6 2]]

方法2：简洁版向量化统计 #

用np.apply_along_axis简化代码：

samples_arr = np.array(samples)
freq_matrix = np.apply_along_axis(lambda x: np.bincount(x, minlength=4), axis=0, arr=samples_arr)
print(freq_matrix)

单独查询特定数字的位置频次 #

如果需要单独查看某个数字在指定位置的出现次数，直接索引频次矩阵即可：

# 数字0在首位（位置0）的次数
print(f"数字0在首位的出现次数：{freq_matrix[0, 0]}")
# 数字1在首位的次数
print(f"数字1在首位的出现次数：{freq_matrix[1, 0]}")

输出：

数字0在首位的出现次数：4
数字1在首位的出现次数：5

内容的提问来源于stack exchange，提问作者Mat