python – 计算数组列表的计数百分比

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – 计算数组列表的计数百分比，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1912字，纯文字阅读大概需要3分钟。

内容图文

简单的问题,但我似乎无法让它工作.我想计算一个数字在数组列表中出现的百分比,并相应地输出这个百分比.
我有一个数组列表,如下所示：

import numpy as np

# Create some data   
listvalues = []

arr1 = np.array([0, 0, 2])
arr2 = np.array([1, 1, 2, 2])
arr3 = np.array([0, 2, 2])

listvalues.append(arr1)
listvalues.append(arr2)
listvalues.append(arr3)

listvalues
>[array([0, 0, 2]), array([1, 1, 2, 2]), array([0, 2, 2])]

现在我使用集合来计算事件,这会返回一个集合列表.计数器：

import collections 

counter = []
for i in xrange(len(listvalues)):
    counter.append(collections.Counter(listvalues[i]))

counter
>[Counter({0: 2, 2: 1}), Counter({1: 2, 2: 2}), Counter({0: 1, 2: 2})]

我要找的结果是一个包含3列的数组,表示行0到2和len(listvalues)的值.每个单元格应填充数组中出现的值的百分比：

# Result
66.66    0      33.33
0        50     50
33.33    0      66.66

因此,0在阵列1中出现66.66％,在阵列2中出现0％,在阵列3中出现33.33％,依此类推.

实现这一目标的最佳方法是什么？
非常感谢！

解决方法:

这是一种方法 –

# Get lengths of each element in input list
lens = np.array([len(item) for item in listvalues])

# Form group ID array to ID elements in flattened listvalues
ID_arr = np.repeat(np.arange(len(lens)),lens)

# Extract all values & considering each row as an indexing perform counting
vals = np.concatenate(listvalues)
out_shp = [ID_arr.max()+1,vals.max()+1]
counts = np.bincount(ID_arr*out_shp[1] + vals)

# Finally get the percentages with dividing by group counts
out = 100*np.true_divide(counts.reshape(out_shp),lens[:,None])

样本在输入列表中运行另外的第四个数组 –

In [316]: listvalues
Out[316]: [array([0, 0, 2]),array([1, 1, 2, 2]),array([0, 2, 2]),array([4, 0, 1])]

In [317]: print out
[[ 66.66666667   0.          33.33333333   0.           0.        ]
 [  0.          50.          50.           0.           0.        ]
 [ 33.33333333   0.          66.66666667   0.           0.        ]
 [ 33.33333333  33.33333333   0.           0.          33.33333333]]

内容总结

以上是互联网集市为您收集整理的python – 计算数组列表的计数百分比全部内容，希望文章能够帮你解决python – 计算数组列表的计数百分比所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端