Question

我有三个数组

import numpy as np
value = np.array ([1, 3, 3, 5, 5, 7, 3])
index = np.array ([1, 1, 3, 3, 6, 6, 6])
data  = np.array ([1, 2, 3, 4, 5, 6])

阵列“索引”＆amp; “值”具有相同的大小，我想通过取平均值将项目分组为“值”。例如：对于前两个项目[1,3，... in“value”，在“index”中具有相同的键1，因此对于最终数组，该值是第一个和第一个的平均值。第2项价值：（1 + 3）/ 2等于2

最后一个数组是：

[2, nan, 4, nan, nan, 5]

第一个值是“值”的第1和第2的平均值第二个值是nan，因为“index”中没有任何键（数组索引中没有“2”）
第三个值是“值”的第3个和第4个的平均值 ...

感谢您的帮助!!!

此致罗伊

Answer 1

>>> [value[index==i].mean() for i in data]
[2.0, nan, 4.0, nan, nan, 5.0]

Answer 2

也许您想使用numpy.bincount()？

value = np.array([1, 3, 3, 5, 5, 7, 3])
index = np.array([1, 1, 3, 3, 6, 6, 6])
np.bincount(index, value) / np.bincount(index)
# array([ NaN,   2.,  NaN,   4.,  NaN,  NaN,   5.])

Answer 3

这是您正在寻找的一般想法吗？

import numpy as np
value = np.array ([1, 3, 3, 5, 5, 7, 3])
index = np.array ([1, 1, 3, 3, 6, 6, 6])
data  = np.array ([1, 2, 3, 4, 5, 6])

answer = np.array(data, dtype=float)
for i, e in enumerate(data):
    idx = np.where(index==e)[0]
    val = value[idx]
    answer[i] = np.mean(val)

print answer # [  2.  nan   4.  nan  nan   5.]

如果您的data数组非常大，可能会有更好的解决方案。

Answer 4

我搜索了使用numpy直方图来解决巨大的数组：

value = np.array（[1,3,3,5,5,7,3]，dtype ='float'）
index = np.array（[1,1,3,3,6,6,6]，dtype ='float'）
data = np.array（[1,2,3,4,5,6]）

sums = np.histogram（index， bins = np.arange（index.min（），index.max（）+ 2），权重=值）[0]
counter = np.histogram（index， bins = np.arange（index.min（），index.max（）+ 2））[0]

sums / counter

阵列（[2.，NaN，4.，NaN，NaN，5。]）

numpy数组映射并取平均值

4 个答案: