Python 按组ID进行Numpy数组规范化：

假设数据和标签为numpy数组，如下所示：

import numpy as np
data=np.array([[0,4,5,6,8],[0,6,8,9],[1,9,5],[1,45,7],[1,8,3]]) #Note: length of each row is different 
labels=np.array([4,6,10,4,6])

数据中每行的第一个元素显示组的id。我希望基于组ID对标签进行规范化（参见下面的示例）：

例如，数据中的前两行id=0；因此，其标签必须：

normalized_labels[0]=labels[0]/(4+6)=0.4 
normalized_labels[1]=labels[1]/(4+6)=0.6

预期产出应为：

normalized_labels=[0.4,0.6,0.5,0.2,0.3]   

我有一个简单的解决方案：

ids=[data[i][0] for i in range(data.shape[0])]
out=[]
for i in set(ids):
    ind=np.where(ids==i)
    out.extend(list(labels[ind]/np.sum(labels[ind])))
out=np.array(out)
print(out)

---

是否有任何numpy函数来执行此任务。任何建议都将不胜感激

我发现了这种微妙的方法，可以将

标签

转换为组的总和，与

索引=[n[0]表示数据中的n]

有关。在以后的解决方案中，不需要使用

数据

：

indices = [n[0] for n in data]
u, inv = np.unique(indices, return_inverse=True)
bincnt = np.bincount(inv, weights=labels)
sums = bincnt[inv]

现在的和是：

数组（[10,10,20,20,20.]）

。更简单的是：

normalized_labels = labels / sums

---

备注。

np.bincount

计算标记为0、1、2。。。这就是为什么需要重新索引

索引->库存
。例如，
索引=[8,6,4,3,4,6,8,8]
应映射到
inv=[3,2,1,0,1,2,3,3]
数据项的大小不平衡。还好吗？是的，不平衡。数据中的每一行都有不同的长度。在这种情况下，矢量化的解决方案是不可能的。我会使用
index=[n[0]表示数据中的n]
来提取所需的索引。完成后，
数据
变量可以省略，进一步的解决方案可以矢量化。感谢您的评论。