Trouver le nombre le plus fréquent dans un tableau NumPy

Question

Supposons que j'ai le tableau NumPy suivant :

a = np.array([1,2,3,1,2,1,1,1,3,2,2,1])

Comment puis-je trouver le nombre le plus fréquent dans ce tableau ?

Answer 1

Si votre liste contient tous les ints non-négatifs, vous devriez jeter un coup d'œil à numpy.bincounts :

http://docs.scipy.org/doc/numpy/reference/generated/numpy.bincount.html

et ensuite probablement utiliser np.argmax :

a = np.array([1,2,3,1,2,1,1,1,3,2,2,1])
counts = np.bincount(a)
print(np.argmax(counts))

Pour une liste plus compliquée (qui contient peut-être des nombres négatifs ou des valeurs non entières), vous pouvez utiliser np.histogram de la même manière. Sinon, si vous voulez simplement travailler en python sans utiliser numpy, collections.Counter est un bon moyen de traiter ce type de données.

from collections import Counter
a = [1,2,3,1,2,1,1,1,3,2,2,1]
b = Counter(a)
print(b.most_common(1))

Answer 2

Vous pouvez utiliser

 values, counts = np.unique(a, return_counts=True)

ind = np.argmax(counts)
print(values[ind])  # prints the most frequent element

ind = np.argpartition(-counts, kth=10)[:10]
print(values[ind])  # prints the 10 most frequent elements

Si un élément est aussi fréquent qu'un autre, ce code ne retournera que le premier élément.

Answer 3

Si vous êtes prêt à utiliser SciPy :

 >>> from scipy.stats import mode
>>> mode([1,2,3,1,2,1,1,1,3,2,2,1])
(array([ 1.]), array([ 6.]))
>>> most_frequent = mode([1,2,3,1,2,1,1,1,3,2,2,1])[0][0]
>>> most_frequent
1.0

Answer 4

Performances (en utilisant iPython) pour certaines solutions trouvées ici :

>>> # small array
>>> a = [12,3,65,33,12,3,123,888000]
>>> 
>>> import collections
>>> collections.Counter(a).most_common()[0][0]
3
>>> %timeit collections.Counter(a).most_common()[0][0]
100000 loops, best of 3: 11.3 µs per loop
>>> 
>>> import numpy
>>> numpy.bincount(a).argmax()
3
>>> %timeit numpy.bincount(a).argmax()
100 loops, best of 3: 2.84 ms per loop
>>> 
>>> import scipy.stats
>>> scipy.stats.mode(a)[0][0]
3.0
>>> %timeit scipy.stats.mode(a)[0][0]
10000 loops, best of 3: 172 µs per loop
>>> 
>>> from collections import defaultdict
>>> def jjc(l):
...     d = defaultdict(int)
...     for i in a:
...         d[i] += 1
...     return sorted(d.iteritems(), key=lambda x: x[1], reverse=True)[0]
... 
>>> jjc(a)[0]
3
>>> %timeit jjc(a)[0]
100000 loops, best of 3: 5.58 µs per loop
>>> 
>>> max(map(lambda val: (a.count(val), val), set(a)))[1]
12
>>> %timeit max(map(lambda val: (a.count(val), val), set(a)))[1]
100000 loops, best of 3: 4.11 µs per loop
>>> 

Le meilleur est "max" avec "set". pour les petits tableaux comme le problème.

Selon @David Sanders, si vous augmentez la taille du tableau à quelque chose comme 100 000 éléments, l'algorithme "max w/set" finit par étant de loin le pire alors que la méthode "numpy bincount" est la meilleure.

Answer 5

À partir de Python 3.4 la bibliothèque standard comprend la fonction statistics.mode pour renvoyer le point de données le plus courant.

from statistics import mode

mode([1, 2, 3, 1, 2, 1, 1, 1, 3, 2, 2, 1])
# 1

S'il y a plusieurs modes avec la même fréquence, statistics.mode renvoie le premier rencontré.

---

À partir de Python 3.8 le statistics.multimode renvoie une liste des valeurs les plus fréquentes dans l'ordre où elles ont été rencontrées pour la première fois :

from statistics import multimode

multimode([1, 2, 3, 1, 2])
# [1, 2]