Numpy: оптимальный способ подсчета индексов в массиве

У меня есть массив indexs. Он очень длинный (>10k), и каждое значение int довольно маленькое (<100). например

indexs = np.array([1, 4, 3, 0, 0, 1, 2, 0]) # int index array
indexs_max = 4 # already known

Теперь я хочу подсчитать появление каждого значения индекса (например, 0 для 3 раз, 1 для 2 раз...) и получить counts как np.array([3, 2, 1, 1, 1]). Я протестировал 4 метода следующим образом:

UPDATE: _test4 — соль @Ch3steR:

indexs = np.random.randint(0, 10, (20000,))
indexs_max = 9

def _test1():
    counts = np.zeros((indexs_max + 1, ), dtype=np.int32)
    for ind in indexs:
        counts[ind] += 1
    return counts

def _test2():
    counts = np.zeros((indexs_max + 1,), dtype=np.int32)
    uniq_vals, uniq_cnts = np.unique(indexs, return_counts=True)
    counts[uniq_vals] = uniq_cnts
    # this is because some value in range may be missing
    return counts

def _test3():
    therange = np.arange(0, indexs_max + 1)
    counts = np.sum(indexs[None] == therange[:, None], axis=1)
    return counts

def _test4():
    return np.bincount(indexs, minlength=indexs_max+1)

Запустите 500 раз, их использование времени соответственно 32.499472856521606s, 0.31386804580688477s, 0.14069509506225586s, 0.017721891403198242s. Хотя _test3 является самым быстрым, он использует дополнительную большую память.

Поэтому я прошу любые лучшие методы. Спасибо :) (@Ch3steR)

UPDATE: np.bincount пока кажется оптимальным.