Python 基于Numpy中的其他数组对数组中的数据求和

我有两个大小相同的2D numpy数组（在本例中简化了大小和内容）

ID矩阵：

1 1 1 2 2
1 1 2 2 5
1 1 2 5 5
1 2 2 5 5
2 2 5 5 5

和一个值矩阵：

14.8 17.0 74.3 40.3 90.2
25.2 75.9  5.6 40.0 33.7
78.9 39.3 11.3 63.6 56.7
11.4 75.7 78.4 88.7 58.6
79.6 32.3 35.3 52.5 13.3

我的目标是对第二个矩阵中的值进行计数和求和，这些值由第一个矩阵中的ID分组：

1: (8, 336.8)
2: (9, 453.4)
5: (8, 402.4)

我可以在

for

循环中执行此操作，但是当矩阵的大小以千为单位而不是只有5x5和数千个唯一ID时，它需要花费大量时间来处理

---

numpy是否有聪明的方法或多种方法的组合？

通过几种简单方法的组合，这是可能的：

用于查找每个ID

为每个ID创建一个布尔掩码

将掩码中的1（计数）和掩码为1的值相加

这可以是这样的：

import numpy as np

ids = np.array([[1, 1, 1, 2, 2],
                [1, 1, 2, 2, 5],
                [1, 1, 2, 5, 5],
                [1, 2, 2, 5, 5],
                [2, 2, 5, 5, 5]])

values = np.array([[14.8, 17.0, 74.3, 40.3, 90.2],
                   [25.2, 75.9,  5.6, 40.0, 33.7],
                   [78.9, 39.3, 11.3, 63.6, 56.7],
                   [11.4, 75.7, 78.4, 88.7, 58.6],
                   [79.6, 32.3, 35.3, 52.5, 13.3]])


for i in np.unique(ids):  # loop through all IDs
    mask = ids == i  # find entries that match current ID
    count = np.sum(mask)  # number of matches
    total = np.sum(values[mask])  # values of matches
    print('{}: ({}, {:.1f})'.format(i, count, total))  #print result

# Output:
# 1: (8, 336.8)
# 2: (9, 453.4)
# 5: (8, 402.4)

---

下面是一种矢量化方法，用于获取

ID

的计数和

ID-based

的

value

合计值，并结合和-

要获得作为字典的最终输出，可以使用循环理解来收集求和值，如下所示-

{i:(IDsums[itr],value_sums[itr]) for itr,i in enumerate(unqID)}

样本运行-

In [86]: ID
Out[86]: 
array([[1, 1, 1, 2, 2],
       [1, 1, 2, 2, 5],
       [1, 1, 2, 5, 5],
       [1, 2, 2, 5, 5],
       [2, 2, 5, 5, 5]])

In [87]: value
Out[87]: 
array([[ 14.8,  17. ,  74.3,  40.3,  90.2],
       [ 25.2,  75.9,   5.6,  40. ,  33.7],
       [ 78.9,  39.3,  11.3,  63.6,  56.7],
       [ 11.4,  75.7,  78.4,  88.7,  58.6],
       [ 79.6,  32.3,  35.3,  52.5,  13.3]])

In [88]: unqID,idx,IDsums = np.unique(ID,return_counts=True,return_inverse=True)
    ...: value_sums = np.bincount(idx,value.ravel())
    ...: 

In [89]: {i:(IDsums[itr],value_sums[itr]) for itr,i in enumerate(unqID)}
Out[89]: 
{1: (8, 336.80000000000001),
 2: (9, 453.40000000000003),
 5: (8, 402.40000000000003)}

该软件包（免责声明：我是其作者）具有以优雅且矢量化的方式解决此类问题的功能：

import numpy_indexed as npi
group_by = npi.group_by(ID.flatten())
ID_unique, value_sums = group_by.sum(value.flatten())
ID_count = groupy_by.count    

---

注：如果您想计算求和和和计数以计算平均值，还有group_by.mean；加上许多其他有用的功能。

我在问题中提到的

for

循环正是如此糟糕，但我应该更清楚。我认为没有for循环，没有一种简洁的方法可以做到这一点。这可能是可能的，但可能会导致非常不可读的代码。如果您只有几个唯一的ID，那么for循环不会影响太大的性能。不管怎样，我会考虑一下…看起来我只是被证明是错的。很好的一个！我不知道

np的
return.*
参数。unique

@Divakar:谢谢！这正是我所寻找的解决方案，由于矢量化，它的性能很好。

import numpy_indexed as npi
group_by = npi.group_by(ID.flatten())
ID_unique, value_sums = group_by.sum(value.flatten())
ID_count = groupy_by.count