如何统计numpy数组中两列的出现频率？解决Counter报错问题

这个报错的核心原因很明确：numpy的ndarray对象是不可哈希的，而Counter要求它的键必须是可哈希类型（比如元组、字符串、整数这类不可变类型）。当你直接把df[:,[0,1]]的行传递给Counter时，每一行都是一个小的ndarray，自然会触发这个错误。下面给你几个实用的解决办法：

方法1：将数组行转换为元组（最直接的Pythonic方式） #

通过生成器表达式把每一行的前两列数组转换成元组（元组是可哈希的），再传入Counter：

from collections import Counter
import numpy as np

# 假设df是你的numpy数组
pair_counts = Counter(tuple(row) for row in df[:, [0, 1]])

# 查看结果，比如打印出现次数最多的组合
print(pair_counts.most_common(5))

方法2：使用numpy自带的unique方法（大数据场景更高效） #

如果你的数组数据量很大，numpy的向量化操作会比纯Python循环快很多。np.unique可以直接获取唯一的列组合和对应的计数：

import numpy as np

# axis=0表示按行去重，return_counts=True返回每个唯一组合的出现次数
unique_pairs, counts = np.unique(df[:, [0, 1]], axis=0, return_counts=True)

# 转换为字典方便查看（可选）
pair_count_dict = {tuple(pair): cnt for pair, cnt in zip(unique_pairs, counts)}

方法3：用pandas实现类SQL的group by（可读性最高） #

如果你能使用pandas库，写法会和你熟悉的SQL逻辑几乎一致，非常直观：

import pandas as pd

# 将numpy数组的前两列转为DataFrame
df_pd = pd.DataFrame(df[:, [0, 1]], columns=["col_0", "col_1"])

# 按两列分组并统计数量，转成字典（可选）
grouped_counts = df_pd.groupby(["col_0", "col_1"]).size().to_dict()

你可以根据自己的数据规模和习惯选择合适的方法：小数据量用方法1足够简洁；大数据量优先考虑方法2的性能；如果熟悉pandas语法，方法3的可读性最好。

内容的提问来源于stack exchange，提问作者yanachen