Python 在numpy阵列中整合数据

我目前正在处理numpy数组中的数据，我想知道是否有办法按某一列对数据进行分组，并将基础数据合并为嵌套在分组项下的单个数组。这听起来可能有点混乱，所以希望这个例子更有意义：

    Array_1: 
    [[x, y, z, 1],
     [x, b, z, 2],
     [a, b, z, 3],
     [a, c, z, 4]]

我希望结果是这样的：

Array_New:
[
  [x,
    [
      [y], [
        [z],[[1],[2]]
      ]
    ],
    [
      [b], [
        [z],[[2],[3]]
      ]
    ]
...]

本质上，我试图得到的层次结构是： -如果第一列匹配，则将其下的所有内容合并到一个值下作为一系列子数组（而不是像我在

append（）

中看到的那样的一个条目）。如果第二列也匹配，则将所有内容合并到第二列的一个值下

因此，从我使用

Array_1

的示例中，我们可以得到：

[x]

，然后在

[x]

[y]

和

[b]

下。在

[y]

下，我会有

[z]

然后在

[z]

[1]

和

[2]

下。在

[b]

下，我也会有

[z]

，但在

[z]

下，我会有

[2]

和

[3]

---

有人知道最好的方法吗？我尝试使用numpy的

vstack

/

hstack

，但无法使其正常工作。我觉得一定有更好的方法来做到这一点，而不是遍历每个条目，看看它是否与其他条目匹配，等等。Pandas的

groupby

函数很接近，但没有给你保留这种层次结构的能力（如果第2列中有两个

b

，则其特定的

z

不会分配给单个

b

）。我也尝试过使用pandas提供的

数据集，但我对使用这些数据集不太熟悉，所以尝试了一段时间后，我想我会来这里。非常感谢您的帮助。
Numpy无法做到这一点，因为Numpy可以处理多维矩形/长方体/etc数组。您的输出数组不是这些数组之一，而是锯齿数组。
 这类问题正是pandas设计的目的。它允许您以您可以想象的方式或多或少地对数据进行分组、索引、聚合或过滤

让我们从您的示例阵列开始：

import pandas as pd

a1 = pd.DataFrame({'group':['x', 'x', 'a', 'a'],
                   'product':['y', 'b', 'b', 'c'],
                   'date':['z1', 'z2', 'z3', 'z4'],
                   'performance':range(1, 5)})
print(a1)

#   date group  performance product
# 0   z1     x            1       y
# 1   z2     x            2       b
# 2   z3     a            3       b
# 3   z4     a            4       c

Pandas的groupby功能很接近，但没有赋予您保留此层次结构的能力（如果第2列中有两个b，则其特定的z不会分配给单个b）

您知道可以同时按多个列进行分组吗

您可以通过以下方式实现所需的“分层”组织：

pandas
是一个选项吗？我感觉到了一个问题。你能解释一下为什么要创建这个特殊的结构吗？你实际需要使用
Array\u New
做什么？可能有一种更为简单的方法来实现你的总体目标。我创建这个结构的目的是对不同产品的性能进行分类。我每月有一次这些数字可以追溯到许多年前（1908年），大约有700种。每种产品都属于250组中的1组（因此
[x]
&
[a]
是组，
[y]
，
[b]
，&
[c]
是产品，
[z]
是日期，数字是性能数字）。由于有数十万行，我试图以允许用户查看性能的方式输出此信息。我的想法是创建一个类似这样的结构，以便用户可以快速调用产品并获得有组织的退货系列。@Brumder22您正在重新创建一个数据库。您应该使用合并/分组在熊猫中的功能或者考虑Python中的SQLite并在表中组织你的数据。谢谢，这很好！起初，熊猫不喜欢我通过了<代码> NDAREX < /代码>，因为我取了你的第一个例子，但是使用了我试图用Duffy数组构建的片段作为组的值。st使用
read_csv
，然后按照您的建议设置索引，现在它可以完全满足我的要求。
for name, group in a1.groupby(('group', 'product')):
    print(name)
    print(group)

# ('a', 'b')
#   date group  performance product
# 2   z3     a            3       b
# ('a', 'c')
#   date group  performance product
# 3   z4     a            4       c
# ('x', 'b')
#   date group  performance product
# 1   z2     x            2       b
# ('x', 'y')
#   date group  performance product
# 0   z1     x            1       y

a1.set_index(['group', 'product'])
print(a1)

#               date  performance
# group product
# x     y         z1            1
#       b         z2            2
# a     b         z3            3
#       c         z4            4