unique

paddle.unique ( x, return_index=False, return_inverse=False, return_counts=False, axis=None, dtype=’int64’, name=None ) [源代码]

返回Tensor按升序排序后的独有元素。

参数：

  • x (Tensor) - 输入的 Tensor ，数据类型为：float32、float64、int32、int64。

  • return_index (bool, 可选) - 如果为True，则还返回独有元素在输入Tensor中的索引。

  • return_inverse (bool, 可选) - 如果为True，则还返回输入Tensor的元素对应在独有元素中的索引，该索引可用于重构输入Tensor。

  • return_counts (bool, 可选) - 如果为True，则还返回每个独有元素在输入Tensor中的个数。

  • axis (int, 可选) - 指定选取独有元素的轴。默认值为None，将输入平铺为1-D的Tensor后再选取独有元素。

  • dtype (np.dtype|str, 可选) - 用于设置 index，inverse 或者 counts 的类型，应该为int32或者int64。默认：int64.

  • name （str，可选）- 具体用法请参见 Name ，一般无需设置，默认值为None。

返回：

  • out (Tensor) - 独有元素构成的Tensor，数据类型与输入一致。

  • index (Tensor, 可选) - 独有元素在输入Tensor中的索引，仅在 return_index 为True时返回。

  • inverse (Tensor, 可选) - 输入Tensor的元素对应在独有元素中的索引，仅在 return_inverse 为True时返回。

  • counts (Tensor, 可选) - 每个独有元素在输入Tensor中的个数，仅在 return_counts 为True时返回。

代码示例：

  1. import numpy as np
  2. import paddle
  4. x_data = np.array([2, 3, 3, 1, 5, 3])
  5. x = paddle.to_tensor(x_data)
  6. unique = paddle.unique(x)
  7. np_unique = unique.numpy() # [1 2 3 5]
  8. _, indices, inverse, counts = paddle.unique(x, return_index=True, return_inverse=True, return_counts=True)
  9. np_indices = indices.numpy() # [3 0 1 4]
  10. np_inverse = inverse.numpy() # [1 2 2 0 3 2]
  11. np_counts = counts.numpy() # [1 1 3 1]
  13. x_data = np.array([[2, 1, 3], [3, 0, 1], [2, 1, 3]])
  14. x = paddle.to_tensor(x_data)
  15. unique = paddle.unique(x)
  16. np_unique = unique.numpy() # [0 1 2 3]
  18. unique = paddle.unique(x, axis=0)
  19. np_unique = unique.numpy()
  20. # [[2 1 3]
  21. #  [3 0 1]]