Python 按Numpy中位数分组（不含熊猫）

在不使用pandas（并将我的数据保存在Numpy数组中）的情况下，是否可以基于另一列的分组计算一列的中位数

例如，如果这是输入：

arr = np.array([[0,1],[0,2],[0,3],[1,4],[1,5],[1,6]])

我想将其作为输出（使用第一列进行分组，然后取第二列的中值：

ans = np.array([[0,2],[1,5]])

---

如果出于某种原因希望避免使用Pandas，这里有一种计算方法。请注意，在一般情况下，中位数不是整数值（除非将其四舍五入或四舍五入），因为对于偶数大小的组，它将是两个最中间元素的平均值，因此不能在单个常规数组中同时包含整数组id和中值（尽管可以在结构化数组中）

将numpy导入为np
def分组平均值（组，值）：
#按组和值排序
s=np.lexsort（[值，组]）
arr2=arr[s]
组2=组[s]
值2=值[s]
#寻找群体边界
w=np.flatnonzero（np.diff（组2，前置=group2[0]-1，追加=group2[-1]+1））
#每组的大小
wd=np.差异（w）
#每组中点
m1=w[：-1]+wd//2
m2=m1-1+（wd%2）
#组id
组_res=组2[m1]
#组中值
value_res=（value2[m1]+value2[m2]）/2#对int结果使用`//2`或四舍五入
返回组\u res，值\u res
#试验
arr=np.数组（[[0,1]，[0,2]，[0,3]，[1,4]，[1,5]，[1,6]]
组分辨率，值分辨率=分组中值（arr[：，0]，arr[：，1]）
#印刷品
对于zip中的g，v（组，值）：
打印（g，v）
# 0 2.0
# 1 5.0
#作为结构化数组
res=np.empty（group_res.shape，dtype=[（'group'，group_res.dtype），
（“中位数”，值\资源数据类型）]）
res['group']=group\U res
res['median']=值
打印（res）
# [(0, 2.) (1, 5.)]

wow好吧，也许我会把它转换成一个数据帧。thanks@lara_toff.这是非常有效的。将它粘贴到某个函数中，然后忘记实现。我会将

w=np.where（group[：-1]！=group[1:]）[0]

写成

w=np.flatnonzero（np.diff（group，prepend=group[0]-1，append=group[-1]+1））

。然后下一行就消失了。好的，我会尝试编辑前面的评论