如何使numpy数组切片元素不同？

我将处理一个numpy数组，并使其成为我想要的形式

以下是源阵列：

a=np.array([
[0, 1],
[0, 2],
[1, 1],
[1, 2],
[1, 3],
[2, 1]
])

结果数组如下：第一列元素保持不同，第二列元素是相关第一列元素的平均值

详细说明：在

a

的第一列中有两个

0

、三个

1

和一个

2

元素。结果

ret

的第一列没有重复元素

0/1/2

。同时，

ret

的第二列元素在

a

中的索引为

0

时获得

[1,2]

的平均值或中位数，在

a

中的索引为

1

时获得

[1,2,3]

的平均值或中位数（忘记它们的类型）

请注意，

a

的第一列或第二列是否被视为索引序列并不确定

ret=np.array([
[0, 1.5],
[1, 2.0],
[2, 1.0]
])

---

对不起，我不知道。感谢您的回答。

您可以将阵列转换为熊猫数据帧，然后使用groupby

import pandas as pd
import numpy as np

a = np.array([
    [0, 1],
    [0, 2],
    [1, 1],
    [1, 2],
    [1, 3],
    [2, 1]])

a=pd.DataFrame(a)
a=a.groupby(0).mean()

请注意，我们按“0”分组，因为我们没有为变量分配任何名称，在您的问题中，您说第一列是您要分组的列

最后，如果要转换回numpy阵列，可以执行以下操作：

a=a.values

---

这是一个仅使用NumPy的解决方案：

import numpy as np

a = np.array([
  [0, 1],
  [0, 2],
  [1, 1],
  [1, 2],
  [1, 3],
  [2, 1]
])

group = a[:, 0]
values = a[:, 1]
# Take unique group ids
group_ids, group_idx, group_counts = np.unique(group, return_inverse=True,
                                               return_counts=True)
# Compute sum of group values
group_adds = np.zeros(len(group_ids))
np.add.at(group_adds, group_idx, values)
# Compute means
group_means = group_adds / group_counts
# Compose result
result = np.stack([group_ids, group_means], axis=1)
print(result)
# [[0.  1.5]
#  [1.  2. ]
#  [2.  1. ]]

请注意，

result

是一个浮点型数组。如果要将组id保持为整数，可以将

group\u id

和

group\u means

保持为单个数组，或者将它们组合成一个：

---

如果没有用于创建

ret

的代码，很难回答问题，因此您是否可以编辑代码并显示重现错误的代码？理解你想要什么也有点困难，所以你能发布你想要的

ret

是什么样的吗？Thanks@user2653663我试图澄清：在

a

的第一列中有两个

0

，三个

1

和一个

2

元素。结果

ret

的第一列没有重复元素

0/1/2

。同时，当

a

中的索引为

0

时，第二列元素获得

[1,2]

的平均值或中值；当

a

中的索引为

1

时，获得

[1,2,3]

的平均值或中值（忘记它们的类型）。有没有办法用numpy切片来解决这个问题，或者我必须将2D numpy数组转换为列表或集合。我建议你用额外的细节编辑你的问题，以便其他人更容易回答。鉴于这种解释，

ret[1,1]

不应该是

2.0

而不是

3.0

？@user2653663再次感谢您的关心和纠正。

result_struct = np.empty(len(group_ids), dtype=[('id', 'i4'), ('mean', 'f8')])
result_struct['id'] = group_ids
result_struct['mean'] = group_means
print(result_struct)
# [(0, 1.5) (1, 2. ) (2, 1. )]