如何跳出第二层循环递增第一层循环以生成两个2D数组

• 嵌套循环逻辑错误：np.unique返回的车型数组和计数数组是下标一一对应的关系，不需要嵌套遍历，这才导致每个车型都会遍历所有计数的问题
• unique_models += 1属于无效逻辑：你遍历的是字符串类型的车型名称，数值加1操作本身不生效，且你修改的是存储所有车型的原数组，完全不符合你想切换下一个车型的需求
• 类型定义错误+代码笔误：你初始化数组时指定了int类型，但车型是字符串会报错；且代表车型的分支里，你错误地传入了other_models作为append的第一个参数，会导致数据追加错误

方案1：循环写法（符合你最初的逻辑预期） #

直接成对遍历车型和对应的计数即可，不需要嵌套循环：

import numpy as np
import pandas as pd

# 原有统计逻辑不变
unique_models, count_of_models = np.unique(my_data_frame["model"], return_counts=True)

# 因为数组要同时存字符串车型和数字计数，所以用object类型
representative_models = np.empty((0, 2), dtype=object)
other_models = np.empty((0, 2), dtype=object)

# 成对遍历车型和对应计数
for model, count in zip(unique_models, count_of_models):
    if count >= 500:
        representative_models = np.append(representative_models, np.array([[model, count]]), axis=0)
    else:
        other_models = np.append(other_models, np.array([[model, count]]), axis=0)

方案2：numpy向量化写法（效率更高，不需要循环） #

直接用布尔索引筛选，性能远高于循环append：

# 先把车型和计数拼接成完整的2D数组
model_count_arr = np.column_stack((unique_models, count_of_models))
# 生成筛选掩码
mask = count_of_models >= 500
# 直接拆分得到两个数组
representative_models = model_count_arr[mask]
other_models = model_count_arr[~mask]

你可以打印两个数组确认结果：

print("代表车型（≥500次）：\n", representative_models)
print("其他车型（<500次）：\n", other_models)

按照你给出的计数数据，最终代表车型会包含A1、A3、A4、A5、A6、Q2、Q3、Q5这8款车型，其余18款归入其他车型数组。

内容的提问来源于stack exchange，提问作者JacobMarlo