调用 np.unique(arr, return_counts=True) 可一次性获取唯一值数组和对应频次元组；默认展平统计、升序排列，二维需指定 axis 但不支持 return_counts；浮点数需先 round 防精度误差。
用 np.unique 一次性拿到去重结果和频次
直接调用 np.unique 并传入 return_counts=True，就能同时获得唯一值数组和对应出现次数——不需要先去重再循环统计。这是最常用也最高效的组合用法。
常见错误是只传 return_index=True 或 return_inverse=True，结果没拿到计数；或者忘了把返回值解包成两个变量，导致报错 too many values to unpack。
-
np.unique(arr, return_counts=True)返回的是一个长度为 2 的元组：(unique_values, counts) - 如果原数组是二维的，默认会在展平后统计；需要按行/列去重得先用
axis=0或axis=1（注意：此时return_counts=True不可用） - 返回的
unique_values默认升序排列，不保留原始顺序；若需保持首次出现顺序，得手动配合np.argsort和return_index=True处理
import numpy as np arr = np.array([3, 1, 2, 1, 3, 3]) vals, counts = np.unique(arr, return_counts=True) # vals → array([1, 2, 3]) # counts → array([2, 1, 3])
处理浮点数时小心精度导致的“假重复”
浮点数组直接用 np.unique 可能漏掉本应合并的近似值，比如 0.1 + 0.2 和 0.3 在内存中不完全相等。这不是函数 bug，而是 IEEE 754 表示限制。
若业务逻辑允许误差容忍（如科学计算、传感器数据），不能直接依赖默认行为。
立即学习“Python免费学习笔记（深入）”；
- 先用
np.round(arr, decimals=n)统一精度再传给np.unique，n根据数据量级和误差范围定（常见取 5~10） - 避免用
np.isclose手动两两比较——时间复杂度 O(n²)，大数据下卡死 - 如果必须做高精度聚类（如金融小数），建议转成
decimal或字符串处理，但会损失 NumPy 向量化优势
想按原始顺序返回唯一值和计数？得自己搭个索引链
np.unique 默认排序，但有些场景（比如日志流、时序采样）要求“第一次出现的位置优先”。这时得绕开默认排序逻辑，靠 return_index=True 搭配布尔索引实现。
- 先调用
np.unique(arr, return_index=True)拿到每个唯一值**首次出现的索引位置** - 用这些索引从原数组取值，就得到按首次出现顺序排列的唯一值
- 计数仍要用
return_counts=True得到的频次数组，但要注意：它的顺序和排序后的唯一值一致，不是原始顺序；所以还得把排序后的唯一值映射回原始顺序下的计数——最稳妥方式是用np.searchsorted或字典中转
arr = np.array([3, 1, 2, 1, 3]) _, idx = np.unique(arr, return_index=True) ordered_vals = arr[np.sort(idx)] # [1, 2, 3] _, counts = np.unique(arr, return_counts=True) # [2, 1, 2] ← 对应 [1,2,3] # 若需严格对齐 ordered_vals 的计数，推荐用 dict 中转更清晰： from collections import Counter counts_dict = Counter(arr) ordered_counts = np.array([counts_dict[v] for v in ordered_vals])
大数据量下 np.unique 的性能瓶颈在哪
当数组元素超千万级，np.unique 的主要开销不在去重本身，而在默认的排序步骤（快排或 timsort）。如果你根本不需要排序，又确定输入无序性不影响后续逻辑，可以考虑替代方案。
- 纯 Python 的
dict.fromkeys(arr)能以 O(n) 时间保留插入顺序去重，但失去 NumPy 向量化能力，且无法直接用于后续数值运算 - 用
np.bincount替代（仅限非负整数且值域不大）：它本质是直方图，比np.unique快一个数量级，但输入必须是int且最大值不能过大（否则内存爆炸） - 真正海量数据（如上亿元素），建议分块处理 +
collections.Counter合并，再转回 NumPy 数组；避免一次性加载全部进内存
实际选型时，别只看文档里“高效”二字——先用 %timeit 在你的数据上实测，尤其是带 return_counts=True 的调用，不同 dtype 和分布影响很大。
