TensorFlow中统计形状(?,2)张量对应第二列为0的不同第一列值数量

我来帮你搞定这个统计需求！核心就是找出第一列的不同值中，哪些在对应的第二列里出现过0，最后统计这些值的数量。不管用PyTorch还是NumPy都能轻松实现，下面我用PyTorch来演示（毕竟你提到的是张量）：

核心思路 #

咱们分三步走：

• 第一步：筛选出所有第二列值为0的行，这些行是我们的重点关注对象
• 第二步：从这些行里提取第一列的数值，然后去重得到唯一值集合
• 第三步：统计这个唯一值集合的元素个数，就是最终答案

代码实现与示例验证 #

示例1（你的初始示例）

import torch

# 初始示例张量
T = torch.tensor([[0,1], [0,2], [0,0], [1, 4], [1, 3], [2,0], [2,0], [2,0],[2,0]])

# 步骤1：生成布尔掩码，标记第二列为0的行
mask = T[:, 1] == 0
# 步骤2：筛选出符合条件的行，提取第一列并去重
unique_first_vals = torch.unique(T[mask][:, 0])
# 步骤3：统计数量
count = len(unique_first_vals)

print(count)  # 输出：2，和预期一致

示例2（仅第一列值为2时对应第二列有0）

T2 = torch.tensor([[0,1], [0,2], [0,1], [1, 4], [1, 3], [2,0], [2,0], [2,0],[2,0]])
count2 = len(torch.unique(T2[T2[:,1]==0][:,0]))
print(count2)  # 输出：1，正确

示例3（第一列值为2和3时对应第二列有0）

T3 = torch.tensor([[0,1], [0,2], [0,1], [1, 4], [1, 3], [2,0], [2,0], [2,0],[2,0],[3,0]])
count3 = len(torch.unique(T3[T3[:,1]==0][:,0]))
print(count3)  # 输出：2，正确

简化写法 #

如果想更简洁，直接把三步合并成一行代码就行：

count = len(torch.unique(T[T[:, 1] == 0][:, 0]))

扩展：用NumPy实现 #

如果你用的是NumPy数组，逻辑完全一样，只需要替换对应的函数：

import numpy as np

T_np = np.array([[0,1], [0,2], [0,0], [1, 4], [1, 3], [2,0], [2,0], [2,0],[2,0]])
count_np = len(np.unique(T_np[T_np[:,1]==0][:,0]))
print(count_np)  # 输出：2

内容的提问来源于stack exchange，提问作者walkerlala