如何在python中基于相似项对ND数组求和？

假设我有一个python中的ND数组，由以下方案表示：

["Event ID", "Event Location", "Event Cost"]
data = \
[[1, 0, 500]
[1, 0, 250]
[1, 1, 300]
[2, 0, 750]
[2, 1, 400]
[2, 1, 500]]

我如何折叠此数组以汇总在同一事件位置发生的具有相同事件ID的条目的成本？这将在最后为我提供以下数组：

[[1, 0, 750]
[1, 1, 300]
[2, 0, 750]
[2, 1, 900]]

---

这是一个典型的用例：

导入itertools
结果=[
[i，loc，sum（成本中的成本）]
对于（i，loc），itertools.groupby中的成本（数据，key=lambda t:（t[0]，t[1]））
]

这是一个典型的使用案例：

导入itertools
结果=[
[i，loc，sum（成本中的成本）]
对于（i，loc），itertools.groupby中的成本（数据，key=lambda t:（t[0]，t[1]））
]

我喜欢两种方法：

使用索引的

numpy\u

包： 输出：

_ = 
[[1 0], 
[1 1], 
[2 0], 
[2 1]]
sums = [750, 300, 750, 900]
np.vstack(sums) = 
[[750]
 [300]
 [750]
 [900]]
result = 
[[  1   0 750]
 [  1   1 300]
 [  2   0 750]
 [  2   1 900]]

使用熊猫：

---

我喜欢两种方法：

使用索引的

numpy\u

包： 输出：

_ = 
[[1 0], 
[1 1], 
[2 0], 
[2 1]]
sums = [750, 300, 750, 900]
np.vstack(sums) = 
[[750]
 [300]
 [750]
 [900]]
result = 
[[  1   0 750]
 [  1   1 300]
 [  2   0 750]
 [  2   1 900]]

使用熊猫：

---

我用熊猫和下面的一行来解决这个问题：

dg = data.groupby(['Event ID', 'Event Location'])['Event Cost'].sum().reset_index()

---

我用熊猫和下面的一行来解决这个问题：

dg = data.groupby(['Event ID', 'Event Location'])['Event Cost'].sum().reset_index()

---

你考虑过使用熊猫和群比吗？这能回答你的问题吗@这位物理学家回答了我的问题。熊猫工作得很好。你考虑过使用熊猫和groupby吗？这能回答你的问题吗@这位物理学家回答了我的问题。Pandas工作得很好。如果你在一个numpy数组上分组，它仍然是一个经典用例吗（我不这么认为…）。我没有说它不工作，只是它的性能不是很好。如果你在一个numpy数组上分组，它仍然是一个经典用例吗（我不这么认为…）。我没有说它不工作，只是它的性能不是很好。