如何基于预期唯一值处理numpy.unique结果，缺失值填充为0？

嗨，我明白你的需求啦——你希望针对预设的唯一值列表unqVals，统计数组中每个值的出现次数，哪怕某个预期值在数组里没出现，也要保留它的计数为0，而不是直接忽略掉它对吧？

咱们先看看你现有代码的问题：numpy.unique只会返回当前数组实际存在的唯一值和对应计数，所以像数组x里没有5，输出结果就直接跳过了这个值的计数，这显然不符合你的预期。

下面给你两种实用的解决方案，你可以根据自己的场景选择：

方案一：纯numpy实现（适合数值型数据，效率更高） #

这个方法利用numpy的数组操作，精准匹配预设的唯一值列表，自动补全缺失值的计数为0：

import numpy as np

unqVals = [1,2,3,4,5,6]
x = [1,1,1,2,2,2,3,3,4,4,6,6]
y = [1,1,2,2,3,3,4,4,5,5,6,6]
z = [1,1,2,2,2,3,3,3,3,4,4,5]

# 把预设值转成numpy数组，方便后续索引操作
unq_np = np.array(unqVals)

for cur in [x, y, z]:
    # 先获取当前数组的唯一值和对应计数
    vals, counts = np.unique(cur, return_counts=True)
    # 创建一个和预设值长度一致的全0数组，用来存最终计数
    full_counts = np.zeros(len(unq_np), dtype=int)
    # 找到每个实际存在的值在预设列表中的位置
    match_indices = np.where(np.isin(unq_np, vals))[0]
    # 把对应位置的计数填进去，没匹配到的自然就是0
    full_counts[match_indices] = counts
    print(full_counts)

输出结果： #

[3 3 2 2 0 2]
[2 2 2 2 2 2]
[2 3 4 2 1 0]

这个方法的好处是完全基于numpy，处理大型数组时效率很高，而且不管预设值是不是连续的数值都能正常工作。

方案二：用collections.Counter实现（代码更简洁，支持非数值类型） #

如果你需要处理非数值类型的预设值（比如字符串），或者更喜欢可读性更高的代码，可以用Python内置的Counter：

from collections import Counter
import numpy as np

unqVals = [1,2,3,4,5,6]
x = [1,1,1,2,2,2,3,3,4,4,6,6]
y = [1,1,2,2,3,3,4,4,5,5,6,6]
z = [1,1,2,2,2,3,3,3,3,4,4,5]

for cur in [x, y, z]:
    # 统计当前数组的元素出现次数
    cnt = Counter(cur)
    # 按预设值的顺序提取计数，不存在的键默认返回0
    full_counts = np.array([cnt.get(val, 0) for val in unqVals])
    print(full_counts)

这个方案代码更直观，哪怕预设值是["a", "b", "c"]这类字符串，也能完美适配。

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