python3 数组重复数字_确定数组中的重复值

假设我有一个数组a = np.array([1, 2, 1, 3, 3, 3, 0])

我如何(有效地，pythonical地)找到a的哪些元素是重复的(即，非唯一值)？在这种情况下，如果有效的话，结果将是array([1, 3, 3])，或者可能是array([1, 3])。

我想出了一些似乎有效的方法：

掩蔽m = np.zeros_like(a, dtype=bool)

m[np.unique(a, return_index=True)[1]] = True

a[~m]

设置操作a[~np.in1d(np.arange(len(a)), np.unique(a, return_index=True)[1], assume_unique=True)]

这个很可爱，但可能是非法的(因为a实际上不是唯一的)：np.setxor1d(a, np.unique(a), assume_unique=True)

直方图u, i = np.unique(a, return_inverse=True)

u[np.bincount(i) > 1]

排序s = np.sort(a, axis=None)

s[:-1][s[1:] == s[:-1]]

熊猫s = pd.Series(a)

s[s.duplicated()]

我错过了什么吗？我并不一定要寻找一个只有numpy的解决方案，但它必须与numpy数据类型一起工作，并在中型数据集(高达1000万大小)上保持高效。

结论

使用1000万大小的数据集(在2.8GHz Xeon上)进行测试：a = np.random.randint(10**7, size=10**7)

360s时减法

我将使用排序来表现，但我接受史蒂文的回答，因为表现是可以接受的，而且感觉更清晰、更像Python。

编辑：发现了熊猫解决方案。如果熊猫是可用的，它是明确的，表现良好。