Python 使用numpy将数据分组到时间相关的集合中

给定一组2D数据[时间，值]，我想将其分成类似的组，但按时间顺序分块。我已经在使用numpy和pandas了，所以无论哪种方法都很好

原件：

Foo = np.array([[0,A],[1,A],[2,A],[3,B],[4,B]
               [5,A],[6,A],[7,B],[8,B],[9,B],[10,A]....]])

分为：

bar = np.array([[0,A],[1,A],[2,A]])
baz = np.array([[3,B],[4,B]])
qux = np.array([[5,A],[6,A]])
arr = np.array([[7,B],[8,B],[9,B]])
wiz = np.array([[10,A],......]])

---

假设您的意思是将

A

和

B

作为值，如果分组逻辑是将每个值的连续序列放入不同的组中，则可以使用

itertools.groupby

具体而言（包括修复示例代码中的括号和逗号错误，并为

a

和

B

添加一些伪值）：

现在，您所称的

条将是
组[0]
，依此类推。如果您想自动为他们命名，建议不要尝试在顶层使用某种
locals（）
或
globals（）
技巧，而是列出名称并使用
dict
：

names = ['bar', 'baz', 'qux', 'arr', 'wiz']
named_groups = {names[i]:groups[i] for i in range(len(groups))}

现在，
named_groups['bar']
返回您过去只调用的
bar

或者，如果您可以保证组的精确数量，您可以使用
tuple
unpacking在一个步骤中命名所有组，如下所示：

(bar,
 baz,
 qux,
 arr,
 wiz) = [np.array(list(v)) for k,v in itertools.groupby(Foo, lambda x: x[1])]

（注意：关于需要在
=
左侧解包大量（可能是详细命名的）元组元素的最佳实践，我已经讨论了PEP 8可能会说些什么。）

这仍然允许您将组绑定到顶级变量名，但正确地强制您明确此类变量的数量，避免尝试动态分配变量的错误做法。
是否假定
A
和
B
为字符串或实际值？你能为他们提供一个示例值吗？如果它们是值，请注意，最终结果不会打印出来，因为它位于底部：将显示
A
或
B
的实际值，而不是它们的符号变量名称。参数是否忽略某些集合？例如，如果迭代发现其他值C（是的，这些都是数值），跳过它，继续只对A和B进行分组。也许更好的问题是，我从哪里可以了解如何操纵这种野兽。我们是否创建了一个列表？3D numpy阵列？我不知道该研究什么。。我可以访问每个单独的数组，如组[0]，但我有120个数组要操作，我只知道如何手动访问它们。如果您有一个名为
x
的对象，您可以使用
type（x）
检查它是什么类型，然后从那里开始。如果您有一个
列表
，为什么不将处理逻辑编写为一个单独的函数，将单个组作为参数，然后使用
map
将其喷洒到组列表中？如果将数据存储为
pandas
DataFrame
，则可以将
a
/
B
列的值设置为索引，或按该列分组（这与上面的连续运行分组逻辑稍有不同，这就是为什么我在回答中选择不使用
pandas
）。。。有很多可能性。
(bar,
 baz,
 qux,
 arr,
 wiz) = [np.array(list(v)) for k,v in itertools.groupby(Foo, lambda x: x[1])]