如何使用 NumPy 根据值在矩阵中的出现情况来组织值？

我正在做一个练习，需要根据 3x3 矩阵中的出现情况将 0 到 5 之间的值组织到一个数组中。我正在使用 NumPy 来完成此任务。

给定以下 3x3 矩阵：

[[1 1 3]
 [4 5 2]
 [3 0 0]]

我想输出一个数组，其中每个元素代表从 0 到 5 的每个值出现的次数。对于上述矩阵，所需的输出是：

[2,2,1,2,1,1]

我尝试过使用 np.array() 和 np.asarray()，并且我考虑过使用 flatten() 函数，但它并没有帮助我实现目标。这是我尝试过的：

import numpy as np

m = np.matrix([[1,1,3], [4,5,2], [3,0,0]]) # Primary matrix, used for obtaining the values
print("Original Matrix: ") # Print original matrix
print(m)

print("Occurrences: ")
for i in range(6):
  occur = (np.count_nonzero(m == i)) # Count the number of elements satisfying the condition
  print(i, ":", occur)

尽管如此，我的输出是：

Occurrences:
0 : 2
1 : 2
2 : 1
3 : 2
4 : 1
5 : 1

如何使用 NumPy 有效地将这些计数组织到所需的输出数组中？

可以使用 numpy.bincount 来实现这一点。 bincount 函数计算数组中每个值的出现次数，这正是想要的。

以下是如何使用它的方法：

import numpy as np

m = np.matrix([[1, 1, 3], 
               [4, 5, 2], 
               [3, 0, 0]])
occurrences = np.bincount(m.flatten(), minlength=6) 
print(occurrences)

这将打印：

[2 2 1 2 1 1] 

解释：

1. m.flatten() :这会将的矩阵展平为一个包含所有值的单个数组： [1 1 3 4 5 2 3 0 0] 。
2. np.bincount(m.flatten(), minlength=6) : 这将计算展平数组中每个值的出现次数。 minlength=6 参数确保即使某些数字（0 到 5）不存在于矩阵中，输出数组也包含 6 个元素。

此方法避免了显式循环，并且比使用 np.count_nonzero 进行迭代更有效，尤其是对于大型矩阵而言。