使用numpy.sum()与numpy.where()条件求和计算类别频率

原代码存在两处基础错误需要先修正：

1. 没有将嵌套列表格式的labels转为numpy数组，无法直接调用numpy的统计函数
2. 总行数N的取值逻辑错误，原写法取了第一行标签列表，并非样本总数量

核心实现逻辑 #

要求的正负类频率按列统计，可通过numpy.sum()配合轴参数实现统计逻辑，numpy.where()用于快速标记负类位置：

• 统计每列正类（值为1）数量：调用np.sum()时指定axis=0，即可按列累加所有元素值，得到的结果就是每个类别（每列）的正样本总数
• 统计每列负类（值为0）数量：用np.where(labels_np == 0, 1, 0)将所有值为0的位置替换为1、值为1的位置替换为0，再按axis=0求和，即可得到每个类别的负样本总数
• 两类频率分别用对应列的样本总数除以总行数N即可，输出自动为浮点型numpy数组；也可以直接用1 - positive_frequencies计算负类频率，结果完全一致。

修正后完整代码 #

import numpy as np

def compute_class_freqs():
    """
    Compute positive and negative frequences for each class.

    Returns:
        positive_frequencies (np.array): array of positive frequences for each
                                         class, size (num_classes)
        negative_frequencies (np.array): array of negative frequences for each
                                         class, size (num_classes)
    """
    ### START CODE HERE (REPLACE INSTANCES OF 'None' with your code) ###
    labels = [[0,1,0],[1,1,1],[0,1,1]]
    # 转换为numpy数组
    labels_np = np.array(labels)
    print(labels)
    # 修正总行数计算逻辑
    N = labels_np.shape[0]
    
    # 按列求和统计每列1的数量，除以总行数得到正类频率
    positive_frequencies = np.sum(labels_np, axis=0) / N
    # 用np.where标记0值位置，按列求和除以总行数得到负类频率
    negative_frequencies = np.sum(np.where(labels_np == 0, 1, 0), axis=0) / N

    ### END CODE HERE ###
    return positive_frequencies, negative_frequencies

运行结果验证 #

传入示例标签时，返回结果为：

• positive_frequencies = array([0.33333333, 1. , 0.66666667])
• negative_frequencies = array([0.66666667, 0. , 0.33333333])
  完全符合按列统计频率的要求，返回值为浮点类型numpy数组。

内容的提问来源于stack exchange，提问作者python-dude153