numpy拆分数组为分组后调用count方法统计次数报错解决

Python原生列表的count()方法依赖==运算符判断元素是否相等。通过np.split拆分得到的列表元素均为numpy数组，两个numpy数组执行==运算时，返回的是逐位置元素对比生成的布尔数组，而非单个布尔值。Python无法将多元素的布尔数组解析为真/假判断条件，因此抛出真值歧义错误。

方案1：拆分后转为Python原生类型，直接使用count统计 #

numpy数组无法直接适配原生列表的相等判断逻辑，你可以在拆分后将每个子数组转为元组（或普通列表），即可正常使用count方法，也支持直接用Counter批量统计所有分组的出现次数：

import numpy as np
from collections import Counter

_3_hop_middle_cells = ['E', 'D', 'E', 'D', 'D', 'C', 'C', 'D', 'D', 'E', 'D', 'C']
_3_hop_middle_cells = np.array(_3_hop_middle_cells)
# 拆分后将每个numpy子数组转为元组
_3_hop_middle_cells = [tuple(group) for group in np.split(_3_hop_middle_cells, len(_3_hop_middle_cells)//2)]

# 统计第0个分组的出现次数
first_group_count = _3_hop_middle_cells.count(_3_hop_middle_cells[0])
print(first_group_count)  # 输出：1

# 批量统计所有分组出现次数
all_group_count = Counter(_3_hop_middle_cells)
print(all_group_count)
# 输出：Counter({('D', 'C'): 2, ('E', 'D'): 1, ('C', 'D'): 1, ('D', 'E'): 1})

注意：传入np.split的拆分份数必须是整数，建议用整数除法//代替普通除法/，避免浮点数参数触发报错。

方案2：保留numpy数组结构，用numpy方法统计 #

如果不需要转为Python原生类型，可以借助np.array_equal做数组整体相等判断，再累加匹配的数量：

import numpy as np

_3_hop_middle_cells = ['E', 'D', 'E', 'D', 'D', 'C', 'C', 'D', 'D', 'E', 'D', 'C']
_3_hop_middle_cells = np.array(_3_hop_middle_cells)
_3_hop_middle_cells = list(np.split(_3_hop_middle_cells, len(_3_hop_middle_cells)//2))

target_group = _3_hop_middle_cells[0]
count = 0
for group in _3_hop_middle_cells:
    if np.array_equal(group, target_group):
        count +=1
print(count) # 输出：1

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