Python 使用NumPy reduceat计算基于组的平均值

我知道我们可以对每个组、每个列进行求和、乘法等

import numpy as np
import pandas as pd
dummies = np.array(pd.get_dummies(list('abdccadab'))) #categorical IV
groupIDs = np.array([10,10,10,10,20,20,30,30,30]) #groups(/strata)
_,idx,tags = np.unique(groupIDs, return_index=1, return_inverse=1)

但有没有办法计算这些垃圾箱的平均值

np.mean.reduceat

和

np.average.reduceat

不起作用，因为

np.multiply.reduceat(dummies,idx)[tags]

---

使用

np.add.reduceat

根据间隔移位

idx

获得数据数组

假人的每列总和，然后除以用
np.bincount
计算的间隔长度-

AttributeError: 'function' object has no attribute 'reduceat'

另一种计算区间长度的方法是直接使用
idx
-

np.add.reduceat(dummies, idx, axis=0)/np.bincount(tags)[:,None]

同样，我们可以避免使用
np.unique
来获得
idx
，如下所示-

np.diff(np.r_[idx,dummies.shape[0]])

该软件包（免责声明：我是其作者）以单行语句的形式提供了此类功能：

idx = np.r_[0,np.flatnonzero(groupIDs[1:] > groupIDs[:-1])+1]

对于这种情况（已排序的键），它提供线性和矢量化性能；虽然比Divakar发布的专用解决方案有更多的额外开销，但是Divakar已经有了这个假设。但取决于您如何衡量可维护性、自文档性和通用性，这可能是首选的替代方案
 只有
ufunc
具有
reduceat
mean
和
average
不是这种类型的函数。出于好奇，您尝试使用纯numpy（相对于使用pandas groupby）来实现这一点有什么原因吗？除了我对pandas的熟悉程度不如numpy，甚至不知道它也可以在pandas中实现之外，没有其他具体原因。再次感谢！我们如何将
np.add.reduceat（dummies，idx，axis=0）/np.bincount（tags）[：，None]
的输出放到与dummies相同的维度-i、 e.我们在
np.multiply.reduceat（dummies，idx）
中将实现什么，在末尾添加
[tags]
。@Tony我不清楚关于
tags
的查询。我在这里使用了
tags
和
np.bincount
来获得每个区间的计数，从而计算平均值。不确定您计划如何将其用于
np.multiply.reduceat
。你能详细说明或重新措辞吗？对不清楚表示歉意。当调用任何一个
求和
，
相乘
等时，如原始帖子中的示例所示，即不除以
np.bincount
获得平均值，则返回的数组与原始数组的形状相同。因此，我当前的问题是如何重塑
np.add.reduceat（dummies，idx，axis=0）/np.bincount（tags）[：，None]
的输出，使其具有与原始数组相同的维度。在本例中，第一行的前4个元素将是0.25，下面两个元素将是0.5等等。我正在用所需的输出编辑我的问题。@Tony IIUC只是用
标记编制索引：
out[tags]
，其中
out
是
np.add.reduceat（dummies，idx，axis=0）/np.bincount（tags）[，None]
。那有用吗？当然，先生。
import numpy_indexed as npi
unique_groups, means = npi.group_by(groupIDs).mean(dummies)