如何简便统计NumPy数组中指定元素的出现次数？

当然有超简便的方法！针对NumPy数组（尤其是你提到的大型数组），完全不用手动遍历统计，NumPy本身就提供了高效的矢量化工具，既省代码又跑得快。

方法1：一次性统计所有元素的出现次数（最推荐） #

用np.unique()函数，它可以直接返回数组里的所有唯一元素，以及每个元素对应的出现次数，特别适合需要全局统计的场景：

import numpy as np

# 你的原始数组
garden = [['F', 'F', 'W', 'W'], ['F', '_', '_', 'W'], ['G', '_', '_', 'J'], ['G', 'G', 'J', 'J']]
farm = np.array(garden)

# 获取唯一元素和对应计数
unique_elements, counts = np.unique(farm, return_counts=True)

# 转成字典更方便查看
element_counts = dict(zip(unique_elements, counts))
print(element_counts)
# 输出结果：{'_': 4, 'F': 3, 'G': 3, 'J': 3, 'W': 3}

这个方法的优势在于：矢量化操作，处理大型数组的速度比Python循环快几个数量级，而且一次性拿到所有元素的统计结果，不用重复操作。

方法2：单独统计某个特定元素的次数 #

如果你只关心某一个元素（比如只查'F'的数量），可以用布尔索引配合求和，或者np.count_nonzero()，两种方法效率差不多：

# 方式A：布尔数组求和（NumPy中True等价于1，False等价于0）
f_count = (farm == 'F').sum()
print(f_count)  # 输出：3

# 方式B：用np.count_nonzero直接统计符合条件的元素数量
f_count = np.count_nonzero(farm == 'F')
print(f_count)  # 输出：3

小提醒 #

如果是处理超大型数组，尽量避免把NumPy数组转成Python列表后用collections.Counter统计——转列表会额外占用内存，而且统计效率远不如NumPy的原生方法。

内容的提问来源于stack exchange，提问作者user9416023