如何实现类似numpy.bincount的功能以统计0-1区间浮点数的频次？

由于np.bincount仅支持整数类型，针对0到1之间的浮点数，可通过以下几种方式实现类似的频次统计功能：

方法1：用np.unique直接统计唯一值频次 #

np.unique支持浮点数输入，能同时返回数组中的唯一值和对应出现次数：

import numpy as np

arr = np.array([0.91, 0.74, 1.0, 0.89, 0.91, 0.74])
values, counts = np.unique(arr, return_counts=True)

print("唯一值：", values)
print("对应频次：", counts)

输出结果：

唯一值： [0.74 0.89 0.91 1.  ]
对应频次： [2 1 2 1]

方法2：用pandas.value_counts实现灵活统计 #

如果项目已引入pandas，value_counts可以直接输出频次，还支持排序、归一化等扩展操作：

import pandas as pd

arr = np.array([0.91, 0.74, 1.0, 0.89, 0.91, 0.74])
count_result = pd.value_counts(arr)

print(count_result)

输出结果：

0.74    2
0.91    2
0.89    1
1.00    1
dtype: int64

方法3：分箱统计（按区间聚合频次） #

若需要将0-1范围内的浮点数划分成连续区间统计频次（类似整数版bincount的区间统计逻辑），可以使用np.histogram：

import numpy as np

arr = np.array([0.91, 0.74, 1.0, 0.89, 0.91, 0.74])
# 把0-1划分为4个等宽区间，返回各区间的频次和边界
counts, bin_edges = np.histogram(arr, bins=4, range=(0, 1))

print("区间边界：", bin_edges)
print("各区间频次：", counts)

输出结果：

区间边界： [0.   0.25 0.5  0.75 1.  ]
各区间频次： [0 0 2 4]

内容的提问来源于stack exchange，提问作者maximus