Question

我有一个像这样的ndarray：

data = [(1,"YES", 54.234), 
         (1,"YES", 1.0001), 
         (2,"YES", 4.234),
         (3,"YES", 0.234)]
dtypes = [("GROUPID", np.int), 
          ("HASNEAR", "|S255"), 
          ("DISTANCE", np.float64)]
array = np.array(data, dtype=dtypes)

有没有办法对数据进行分组并仅返回新数组中每组中的最小距离？

在我的例子中，我有4行。在组和返回最小值之后，我预计只返回3行。每个GROUPID值一个。

如果numpy数组不是正确的工具，你能在Pandas中做到这一点吗？

谢谢

Answer 1

创建一个pandas DataFrame，按GROUPID分组并按min()聚合：

df = pd.DataFrame(data, columns=('GROUPID','HASNEAR','DISTANCE'))
df.groupby('GROUPID').min()

Answer 2

如其他人所说，你可以在熊猫中做到这一点，但它是一个相对重量级的抽象，它引入了你可能会或可能不会感兴趣的各种其他复杂性。

numpy_indexed包专门针对这些类型的操作：

import numpy_indexed as npi
npi.group_by(data['GROUPID']).min(data['DISTANCE'])

Answer 3

IIUC你可以在熊猫中做到这一点：

In [8]:
import pandas as pd
# construct a df
df = pd.DataFrame(array)
df

Out[8]:
   GROUPID HASNEAR  DISTANCE
0        1  b'YES'   54.2340
1        1  b'YES'    1.0001
2        2  b'YES'    4.2340
3        3  b'YES'    0.2340

您现在可以在GROUPID列上groupby，调用idxmin返回感兴趣列的最小值索引，并使用它来过滤原始数据：

In [9]:
df.loc[df.groupby('GROUPID')['DISTANCE'].idxmin()]

Out[9]:
   GROUPID HASNEAR  DISTANCE
1        1  b'YES'    1.0001
2        2  b'YES'    4.2340
3        3  b'YES'    0.2340

您可以看到idxmin返回的是最小值的索引：

In [10]:
df.groupby('GROUPID')['DISTANCE'].idxmin()

Out[10]:
GROUPID
1    1
2    2
3    3
Name: DISTANCE, dtype: int64

您可以通过调用.values：

将其转换回numpy数组

In [11]:
df.loc[df.groupby('GROUPID')['DISTANCE'].idxmin()].values

Out[11]:
array([[1, b'YES', 1.0001],
       [2, b'YES', 4.234],
       [3, b'YES', 0.234]], dtype=object)

分组Numpy数组并返回最小值

3 个答案: