Numpy中替代Scipy模块的mode函数

在本文中，我们将介绍在Numpy中替代Scipy模块的mode函数的两种方法。

阅读更多：Numpy 教程

方法一：使用Numpy的bincount函数

Numpy的bincount函数可以返回一个数字数组中的非负整数的出现次数。利用这个函数，我们可以分别求出一个数组中每个数字的出现次数。为了找到众数，我们可以找到出现次数最多的数字。

import numpy as np

# 创建一个包含重复数字的数组
arr = np.array([0, 1, 1, 3, 2, 1, 2, 3, 3, 3])

# 使用bincount函数返回数字出现的次数
counts = np.bincount(arr)

# 返回出现次数最多的数字
mode = np.argmax(counts)

print(mode) # 输出3

在这个例子中，我们使用Numpy的bincount函数找到了数组中出现次数最多的数字3。

方法二：构建自定义的函数

除了使用Numpy的bincount函数之外，我们还可以构建一个自定义函数来实现模式的查找。

import numpy as np

def mode(arr):
    # 将数组中的数转化为int型
    arr = arr.astype(np.int)
    # 寻找重复数的个数及索引
    unique, counts = np.unique(arr, return_counts=True)
    # 寻找出现次数最多的数字及其位置
    idx = np.argmax(counts)
    return unique[idx], counts[idx]

# 创建一个包含重复数字的数组
arr = np.array([0, 1, 1, 3, 2, 1, 2, 3, 3, 3])

# 调用自定义函数找到数组中出现次数最多的数字及其个数
mode_value, mode_count = mode(arr)

print(mode_value, mode_count) # 输出3, 4

在这个例子中，我们定义了一个名为mode的自定义函数，使用了Numpy的unique函数来找到数组中每个数字的出现次数和位置，以及一个argmax函数来找到出现次数最多的数字及其位置。最后，我们从mode函数中返回众数及其出现次数。