在Numpy中基于其他数组从数组求和数据

时间:2016-04-15 09:22:49

标签: python arrays performance numpy matrix

我有两个2D numpy数组(在这个例子中简化了大小和内容),大小相同。

ID矩阵:

1 1 1 2 2
1 1 2 2 5
1 1 2 5 5
1 2 2 5 5
2 2 5 5 5

和值矩阵:

14.8 17.0 74.3 40.3 90.2
25.2 75.9  5.6 40.0 33.7
78.9 39.3 11.3 63.6 56.7
11.4 75.7 78.4 88.7 58.6
79.6 32.3 35.3 52.5 13.3

我的目标是计算求和来自第一个矩阵的ID分组的第二个矩阵的值:

1: (8, 336.8)
2: (9, 453.4)
5: (8, 402.4)

我可以在for循环中执行此操作,但是当矩阵的大小为数千而不是仅5x5和数千个唯一ID时,处理需要花费大量时间。

numpy是否有巧妙的方法或方法组合来执行此操作?

3 个答案:

答案 0 :(得分:5)

这是一种矢量化方法,可以IDnp.unique的组合获取ID-basedvalue求和值的计数 -

unqID,idx,IDsums = np.unique(ID,return_counts=True,return_inverse=True)

value_sums = np.bincount(idx,value.ravel())

要将最终输出作为字典,您可以使用循环理解来收集求和值,如下所示 -

{i:(IDsums[itr],value_sums[itr]) for itr,i in enumerate(unqID)}

示例运行 -

In [86]: ID
Out[86]: 
array([[1, 1, 1, 2, 2],
       [1, 1, 2, 2, 5],
       [1, 1, 2, 5, 5],
       [1, 2, 2, 5, 5],
       [2, 2, 5, 5, 5]])

In [87]: value
Out[87]: 
array([[ 14.8,  17. ,  74.3,  40.3,  90.2],
       [ 25.2,  75.9,   5.6,  40. ,  33.7],
       [ 78.9,  39.3,  11.3,  63.6,  56.7],
       [ 11.4,  75.7,  78.4,  88.7,  58.6],
       [ 79.6,  32.3,  35.3,  52.5,  13.3]])

In [88]: unqID,idx,IDsums = np.unique(ID,return_counts=True,return_inverse=True)
    ...: value_sums = np.bincount(idx,value.ravel())
    ...: 

In [89]: {i:(IDsums[itr],value_sums[itr]) for itr,i in enumerate(unqID)}
Out[89]: 
{1: (8, 336.80000000000001),
 2: (9, 453.40000000000003),
 5: (8, 402.40000000000003)}

答案 1 :(得分:1)

这可以通过几种简单方法的组合来实现:

  1. 使用numpy.unique查找每个ID
  2. 为每个ID
  3. 创建一个布尔掩码
  4. 将掩码(计数)中的1和掩码为1的值
  5. 相加

    这可能如下所示:

    import numpy as np
    
    ids = np.array([[1, 1, 1, 2, 2],
                    [1, 1, 2, 2, 5],
                    [1, 1, 2, 5, 5],
                    [1, 2, 2, 5, 5],
                    [2, 2, 5, 5, 5]])
    
    values = np.array([[14.8, 17.0, 74.3, 40.3, 90.2],
                       [25.2, 75.9,  5.6, 40.0, 33.7],
                       [78.9, 39.3, 11.3, 63.6, 56.7],
                       [11.4, 75.7, 78.4, 88.7, 58.6],
                       [79.6, 32.3, 35.3, 52.5, 13.3]])
    
    
    for i in np.unique(ids):  # loop through all IDs
        mask = ids == i  # find entries that match current ID
        count = np.sum(mask)  # number of matches
        total = np.sum(values[mask])  # values of matches
        print('{}: ({}, {:.1f})'.format(i, count, total))  #print result
    
    # Output:
    # 1: (8, 336.8)
    # 2: (9, 453.4)
    # 5: (8, 402.4)
    

答案 2 :(得分:0)

numpy_indexed包(免责声明:我是它的作者)具有以优雅和矢量化的方式解决这些问题的功能:

import numpy_indexed as npi
group_by = npi.group_by(ID.flatten())
ID_unique, value_sums = group_by.sum(value.flatten())
ID_count = groupy_by.count    

注意:如果要计算总和和计数以计算均值,还有group_by.mean;加上许多其他有用的功能。