如何无需循环或np.vectorize，用NumPy计算数组每行唯一元素数量？

嘿，很高兴你想优化你的实现！对于处理大规模数组来说，纯NumPy的向量化操作可比Python循环高效太多了，完全能满足你1000×100数据集的需求。咱们分两部分来解决你的问题：

1. 获取每行的唯一元素数量（即你提到的[2,2,3]结果） #

如果你想要得到每行中唯一元素的个数，可以通过排序+差分的方式实现，全程无循环：

import numpy as np

a = np.array([[1, 0, 0], [1, 0, 0], [2, 3, 4]])
# 按行排序，让重复元素相邻
sorted_a = np.sort(a, axis=1)
# 计算每行相邻元素的差值
row_diff = np.diff(sorted_a, axis=1)
# 统计每行唯一元素数量：开头默认算1个，再加上差值不为0的数量
unique_counts = np.sum(
    np.concatenate([np.ones((a.shape[0], 1), dtype=bool), row_diff != 0], axis=1),
    axis=1
)
print(unique_counts)  # 输出: [2 2 3]

核心逻辑是：排序后重复元素会相邻，差值为0；统计差值不为0的次数再加上第一个元素的计数，就能得到每行唯一元素的数量。

2. 计算存在重复元素的行的占比（你的最终目标） #

这部分可以基于上面的逻辑简化，只需要判断每行是否存在重复即可：

# 先对每行排序
sorted_a = np.sort(a, axis=1)
# 计算相邻元素的差值
row_diff = np.diff(sorted_a, axis=1)
# 判断每行是否有差值为0的情况（即存在重复元素）
has_duplicates = np.any(row_diff == 0, axis=1)
# 计算占比：True会被视为1，False视为0，取均值就是占比
duplicate_ratio = np.mean(has_duplicates)
print(duplicate_ratio)  # 输出: 0.6666666666666666

这个方案完全是NumPy底层的向量化操作，比Python循环快几个数量级，非常适合你的大数据集。另外补充：虽然你的元素取值范围是1-365，但这个方法不依赖取值限制，通用性更强。

内容的提问来源于stack exchange，提问作者DrApe