数组中的值与另一个数组的值相对应

Question

我有一个数组，其中包含作为距离的数字，另一个数组表示该距离处的某些值。如何计算固定距离值下所有数据的平均值？

例如距离（d）：[1 1 14 6 1 12 14 6 6 7 4 3 7 9 1 3 3 6 5 8]

例如对应于距离输入的数据：

因此在d = 1时值为3.3;在d = 1时值= 2,1;在d = 14时值为3.5;等。

[3.3 2.1 3.5 2.5 4.6 7.4 2.6 7.8 9.2 10.11 14.3 2.5 6.7 3.4 7.5 8.5 9.7 4.3 2.8 4.1]

例如，在距离d = 6处，我应该取2.5、7.8、9.2和4.3的平均值

我使用了下面的有效代码，但我不知道如何将值存储到新数组中：

from numpy import mean

for d in set(key): 
    print d, mean([dist[i] for i in range(len(key)) if key[i] == d])

请帮助！谢谢

Answer 1

您已经完成了艰辛的工作，只需将结果放入新列表中就很容易了：

result = []
for d in set(key): 
    result.append(mean([dist[i] for i in range(len(key)) if key[i] == d]))

Answer 2

使用pandas

g = pd.DataFrame({'d':d, 'k':k}).groupby('d')

选项1：transform可以将值保留在相同位置

g.transform('mean').values

选项2：直接mean并获得一个dict的映射

g.mean().to_dict()['k']

Answer 3

设置

c(tags$br())

---

d = np.array( [1, 1, 14, 6, 1, 12, 14, 6, 6, 7, 4, 3, 7, 9, 1, 3, 3, 6, 5, 8] ) k = np.array( [3.3,2.1,3.5,2.5,4.6,7.4,2.6,7.8,9.2,10.11,14.3,2.5,6.7,3.4,7.5,8.5,9.7,4.3,2.8,4.1] ) + scipy.sparse

csr_matrix

from scipy import sparse

s = d.shape[0]
r = np.arange(s+1)
m = d.max() + 1
b = np.bincount(d)

out = sparse.csr_matrix( (k, d, r), (s, m) ).sum(0).A1

(out / b)[d]

Answer 4

您可以将lambda库中的array与numpy一起使用，也可以使用同一库中的

您可以定义一个函数以获取所需距离的位置：

where

然后使用它来获取这些位置的值。

假设您拥有：

from numpy import mean, array, where  

def key_distances(distances, d):
  return where(distances == d)[0]

然后您可能会执行以下操作：

d = array([1,1,14,6,1,12,14,6,6,7,4,3,7,9,1,3,3,6,5,8])
v = array([3.3,2.1,3.5,2.5,4.6,7.4,2.6,7.8,9.2,10.11,14.3,2.5,6.7,3.4,7.5,8.5,9.7,4.3,2.8,4.1])

然后得到你的意思：

vs = v[key_distances(d,d[1])]

Answer 5

numpy_indexed软件包（免责声明：我是它的作者）在设计时考虑了这些用例：

import numpy_indexed as npi
npi.group_by(d).mean(dist)

熊猫可以做类似的事情；但是它的api并不是真正针对这些事情量身定制的；对于像group by这样的基本操作，我觉得必须将您的数据提升到全新的数据结构中是一种错误。