Python 在使用'numpy.digitalize'分割一个numpy数组后，如何计算每个bin的平均值？

我有一个输入数组，它被拆分为多个存储箱，我想计算这些存储箱的平均值。让我们假设以下示例：

>>> import numpy as np
>>> a = np.array([1.4, 2.6, 0.7, 1.1])

通过以下方式将其拆分为垃圾箱：

这正是我所期望的，正如您在这里更明确地看到的：

>>> for i in range(len(bins)):
...     f"bin where {i} <= x < {i + 1} contains {a[indices == i + 1]}"
... 
'bin where 0 <= x < 1 contains [0.7]'
'bin where 1 <= x < 2 contains [1.4 1.1]'
'bin where 2 <= x < 3 contains [2.6]'

但是使用

for

循环执行此操作既不优雅（pythonic），也不高效，因为之后必须使用

np.array

将列表转换为NumPy数组

---

什么是NumPy方法？NumPy方法是NumPy.mean（）作为函数，这是

bincount

：

np.bincount(indices-1,a)/np.bincount(indices-1)

输出：

array([0.7, 1.25, 2.6])

np.bincount(indices-1,a)/np.bincount(indices-1)

array([0.7, 1.25, 2.6])