要查找的平面阵列，使用最频繁的价值
unique，
bincount并且
argmax：
arr = np.array([5, 4, -2, 1, -2, 0, 4, 4, -6, -1])u, indices = np.unique(arr, return_inverse=True)u[np.argmax(np.bincount(indices))]
要使用多维数组的工作，我们不必操心
unique，但我们确实需要使用
apply_along_axis上
bincount：
arr = np.array([[5, 4, -2, 1, -2, 0, 4, 4, -6, -1], [0, 1, 2, 2, 3, 4, 5, 6, 7, 8]])axis = 1u, indices = np.unique(arr, return_inverse=True)u[np.argmax(np.apply_along_axis(np.bincount, axis, indices.reshape(arr.shape), None, np.max(indices) + 1), axis=axis)]
使用您的数据：
data = np.array([ [[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]], [[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]], [[40, 40, 42, 43, 44], [45, 46, 47, 48, 49], [50, 51, 52, 53, 54], [55, 56, 57, 58, 59]]])axis = 0u, indices = np.unique(arr, return_inverse=True)u[np.argmax(np.apply_along_axis(np.bincount, axis, indices.reshape(arr.shape), None, np.max(indices) + 1), axis=axis)]array([[ 0, 1, 2, 3, 4], [ 5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19]])
NumPy
1.2，真的吗？您可以
np.unique(return_inverse=True)使用进行合理有效的估算
np.searchsorted（这是一个额外的O（
n log n ），因此不应显着改变性能）：
u = np.unique(arr)indices = np.searchsorted(u, arr.flat)
