En \*\*NumPy\*\*, puedes obtener los \*\*elementos únicos\*\* y sus \*\*conteos\*\* utilizando varias funciones útiles como `np.unique()`...

En **NumPy**, puedes obtener los **elementos únicos** y sus **conteos** utilizando varias funciones útiles como

. También es importante entender la diferencia entre **copias** y **vistas** cuando trabajas con arrays. A continuación, desglosamos estos temas.

### Elementos Únicos y sus Conteos

####

La función

devuelve los elementos únicos de un array. También puedes obtener los conteos de cuántas veces aparece cada elemento único.

import numpy as np



\# Crear un array con elementos repetidos

array = np.array(\[1, 2, 2, 3, 3, 3, 4, 4, 4, 4])



\# Obtener los elementos únicos

unicos = np.unique(array)



\# Obtener los elementos únicos y sus conteos

unicos, conteos = np.unique(array, return\_counts=True)



print("Elementos únicos:", unicos)

print("Conteos:", conteos)

### Salida:

Elementos únicos: \[1 2 3 4]

Conteos: \[1 2 3 4]

### Copias y Vistas en NumPy

Cuando trabajas con arrays en NumPy, debes entender si estás manipulando **copias** o **vistas** de un array. Esto afecta el rendimiento y el comportamiento cuando modificas arrays.

#### 1. **Vistas (Views)**:

- Una **vista** es una referencia al array original. Cambios en la vista afectan al array original.

- Al usar técnicas como **slicing** (

), NumPy crea una vista, no una copia.

\# Crear un array original

array\_original = np.array(\[1, 2, 3, 4, 5])



\# Crear una vista del array

vista = array\_original\[:3]



\# Modificar la vista

vista\[0] = 100



print("Array original después de modificar la vista:", array\_original)

print("Vista:", vista)

### Salida:

Array original después de modificar la vista: \[100   2   3   4   5]

Vista: \[100   2   3]

#### 2. **Copias**:

- Una **copia** es un nuevo array en memoria. Cambios en la copia no afectan al array original.

- Para crear una copia explícita, se usa

.

\# Crear un array original

array\_original = np.array(\[1, 2, 3, 4, 5])



\# Crear una copia del array

copia = np.copy(array\_original)



\# Modificar la copia

copia\[0] = 100



print("Array original después de modificar la copia:", array\_original)

print("Copia:", copia)

### Salida:

Array original después de modificar la copia: \[1 2 3 4 5]

Copia: \[100   2   3   4   5]

### Resumen:

- **Elementos Únicos**: Usa

para obtener los elementos únicos y sus conteos.

- **Vistas**: Son referencias al array original. Modificar una vista afecta el array original.

- **Copias**: Son nuevos arrays en memoria. Modificar una copia no afecta el array original.

¿Te gustaría algún ejemplo más o más detalles sobre estos temas?