Python 根据所选值汇总并绘制Ndarray列表

我有一份Ndarray的列表：

list1 = [t1, t2, t3, t4, t5]

每个t包括：

t1 = np.array([[10,0.1],[30,0.05],[30,0.1],[20,0.1],[10,0.05],[10,0.05],[0,0.5],[20,0.05],[10,0.0]], np.float64)

t2 = np.array([[0,0.05],[0,0.05],[30,0],[10,0.25],[10,0.2],[10,0.25],[20,0.1],[20,0.05],[10,0.05]], np.float64)

...

现在我想让整个列表得到每个t对应于第一个元素的值的平均值：

t1out = [[0,0.5],[10,(0.1+0.05+0.05+0)/4],[20,(0.1+0.05)/2],[30,0.075]]

t2out = [[0,0.05],[10,0.1875],[20,0.075],[30,0]]

....

生成t_1后。。。t_n，我想绘制每个t的类的概率，其中第一个元素表示类（0,10,20,30），第二个元素表示这些类发生的概率（0.1,0.7,0.15,0）。柱状图或条形图形式的概率分布，如：

plt.bar([classes],[probabilities])

plt.bar([item[0] for item in t1out],[item[1] for item in t1out])

---

这里有一种使用itertools.groupby的方法：

from statistics import mean
from itertools import groupby

def fun(t):
    s = sorted(t, key=lambda x:x[0])
    return [[k, mean(i[1] for i in v)] for k,v in groupby(s, key=lambda x: x[0])]

fun(t1)

[[0.0, 0.5],
 [10.0, 0.05],
 [20.0, 0.07500000000000001],
 [30.0, 0.07500000000000001]]

并适用于所有阵列：

[fun(t) for t in [t1,t2]]

[[[0.0, 0.5],
  [10.0, 0.05],
  [20.0, 0.07500000000000001],
  [30.0, 0.07500000000000001]],
 [[0.0, 0.05], [10.0, 0.1875], [20.0, 0.07500000000000001], [30.0, 0.0]]]

---

这是使用NumPy计算的方法：

将numpy导入为np
def按等级平均值（t，等级=无）：
#如果要确保
#所有类都在输出中，即使它们
#不在当前t向量中
如果类为“无”：
classes=np.unique（t[：，0]）
bins=np.r_[classes，classes[-1]+1]
h、 直方图（t[：，0]，箱）
d=np.数字化（t[：，0]，箱子，右=真）
out=np.zero（len（类），t.dtype）
np.add.at（out，d，t[：，1]）
out/=h.clip（最小值=1）
返回np.c_[classes，out]
t1=np.数组（[[10,0.1]，[30,0.05]，[30,0.1]，
[20, 0.1 ], [10, 0.05], [10, 0.05],
[ 0, 0.5 ], [20, 0.05], [10, 0.0 ]],
dtype=np.64）
打印（按类别（t1）平均）
# [[ 0.     0.5  ]
#  [10.     0.05 ]
#  [20.     0.075]
#  [30.     0.075]]

作为补充说明，将类值（即整数）存储在浮点数组中可能不是最佳选择。你可以考虑用A代替，比如这样：

将numpy导入为np
def按等级平均值（t，等级=无）：
如果类为“无”：
classes=np.unique（t['class']）
bins=np.r_[classes，classes[-1]+1]
h、 _uuNP.柱状图（t['class']，箱）
d=np.数字化（t['class']，bins，右=True）
out=np.zero（len（类），t.dtype）
out['class']=类
np.add.at（out['p']，d，t['p']）
out['p']/=h.clip（最小值=1）
返回
t1=np.数组（[（10,0.1），（30,0.05），（30,0.1），
(20, 0.1 ), (10, 0.05), (10, 0.05),
( 0, 0.5 ), (20, 0.05), (10, 0.0 )],
数据类型=[（'class'，np.int32），（'p'，np.float64）]）
打印（按类别（t1）平均）
# [( 0, 0.5  ) (10, 0.05 ) (20, 0.075) (30, 0.075)]

我不明白您是如何生成

t1out

等的。您能更好地解释一下吗？另外，t数组的形状是否相同？问题是如何生成

t1out

's=）请参见下面的好答案如何生成它们，是的，所有t数组的形状都相同。除此之外，对于列表，它将是

[列表1中t的乐趣（t）]