numpy.unique vs collections.Counter 性能问题

Question

我正在尝试计算值对的出现次数。运行以下代码时，numpy 版本 (pairs_frequency2) 比依赖 collections.Counter 的版本慢 50% 以上（随着点数的增加，情况变得更糟）。有人可以解释原因。

是否有可能的 numpy 重写以实现更好的性能？

提前致谢。

import numpy as np

from collections import Counter

def pairs_frequency(x, y):

    counts = Counter(zip(x, y))

    res = np.array([[f, a, b] for ((a, b), f) in counts.items()])

    return res[:, 0], res[:, 1], res[:, 2]

def pairs_frequency2(x, y):

    unique, counts = np.unique(np.column_stack((x,y)), axis=0, return_counts=True)

    return counts, unique[:,0], unique[:,1]

x = np.random.randint(low=1, high=11, size=50000)

y = x + np.random.randint(1, 5, size=x.size)

%timeit pairs_frequency(x, y)

%timeit pairs_frequency2(x, y)