如何找出numpy数组中出现次数最多的标签？附函数实现需求

嘿，我之前处理分类标签的时候刚好碰到过这个问题——平局时返回最先出现的值确实是个常见需求。下面给你两种靠谱的实现方式，都能完美满足你的要求：

方法一：纯NumPy原生实现（高效处理大数组） #

这种方法完全基于NumPy的原生函数，性能拉满，特别适合处理大规模的数组：

import numpy as np

def most_frequent_label(arr):
    # 一次性获取唯一元素、出现次数、第一次出现的索引
    unique_vals, counts, first_indices = np.unique(
        arr, 
        return_counts=True, 
        return_index=True
    )
    # 找到最高出现次数
    max_count = np.max(counts)
    # 筛选出所有达到最高次数的候选元素及其首次索引
    mask = counts == max_count
    candidates = unique_vals[mask]
    candidate_indices = first_indices[mask]
    # 返回首次出现最早的候选元素
    return candidates[np.argmin(candidate_indices)]

核心逻辑： #

• 用np.unique()同时拿到三个关键信息：数组中的唯一元素、每个元素的出现频次、每个元素第一次出现在原数组中的位置索引
• 先定位到最高的频次值，再筛选出所有频次等于该值的候选元素
• 最后通过比较候选元素的首次出现索引，返回索引最小（也就是最先出现）的那个值

测试案例： #

# 测试1：单一最高频元素
test_arr1 = np.array([2, 3, 2, 1, 2])
print(most_frequent_label(test_arr1))  # 输出: 2

# 测试2：平局场景，返回最先出现的元素
test_arr2 = np.array([3, 1, 3, 1, 2])
print(most_frequent_label(test_arr2))  # 输出: 3（3和1都出现2次，但3先出现）

方法二：结合Python标准库实现（直观易懂） #

如果你更习惯用Python标准库，这种方法逻辑更直白，容易理解：

from collections import Counter
import numpy as np

def most_frequent_label(arr):
    # 统计每个元素的出现次数
    count_counter = Counter(arr.tolist())
    # 获取最高出现次数
    max_count = max(count_counter.values())
    # 遍历原数组，第一个出现次数等于max_count的元素就是答案
    for val in arr:
        if count_counter[val] == max_count:
            return val

核心逻辑： #

• 用Counter快速统计所有元素的出现频次
• 遍历原数组的每一个元素，遇到第一个频次等于最高值的元素直接返回（因为是按原数组顺序遍历，所以第一个符合条件的就是最先出现的平局值）

测试案例： #

用和方法一相同的测试数组，得到的结果完全一致。

两种方法各有优势：纯NumPy的方案在处理超大数组时性能更优，而标准库方案逻辑更简单，适合快速实现和调试。你可以根据自己的使用场景选择~

内容的提问来源于stack exchange，提问作者user11807203