Python:将分组平均值分配给一维数组

Question

假设我有 2 个数组：

x    = [2, 4, 1, 7, 3, 9, 2, 5, 5, 1]
flag = [0, 1, 0, 2, 1, 1, 2, 0, 0, 2]

flag数组指示x的每个元素属于哪个"组"。我怎样才能用x的所有元素的平均值替换x的每个元素(例如，标志值k)，其对应的flag值也是k？

经过这样的转换，x看起来像：

x    = [3.25, 5.33, 3.25, 3.33, 5.33, 5.33, 3.33, 3.25, 3.25, 3.33]

(我可以使用循环来实现这一点，但效率很低。

Answer 1

您可以使用np.bincount来计算分组均值：

import numpy as np
x    = np.array([2, 4, 1, 7, 3, 9, 2, 5, 5, 1])
flag = np.array([0, 1, 0, 2, 1, 1, 2, 0, 0, 2])
total = np.bincount(flag, weights=x)
count = np.bincount(flag)
means = (total/count)[flag]

收益 率

array([ 3.25      ,  5.33333333,  3.25      ,  3.33333333,  5.33333333,
5.33333333,  3.33333333,  3.25      ,  3.25      ,  3.33333333])

---

对于更广义的分组统计信息，还有scipy.stats.binned_statistic函数。它可以计算分组的平均值、中位数、计数、总和、最小值、最大值统计数据。它也可以接受用户定义的统计函数，但性能(当然)会比内置统计慢。

Answer 2

一种选择是使用熊猫：

import pandas as pd
x    = [2, 4, 1, 7, 3, 9, 2, 5, 5, 1]
flag = [0, 1, 0, 2, 1, 1, 2, 0, 0, 2]
s = pd.Series(x,index=flag)
s.groupby(level=0).transform('mean').tolist()

输出：

[3.25,
5.333333333333333,
3.25,
3.3333333333333335,
5.333333333333333,
5.333333333333333,
3.3333333333333335,
3.25,
3.25,
3.3333333333333335]

Answer 3

>>> def grouped_mean(data, flags):
...     flag_set = set(flags)
...     flags = np.asarray(flags)
...     data = np.array(data)
...     for s in flag_set:
...         m = (flags == s)
...         data[m] = np.mean(data[m])
...     return data
... 
>>> grouped_mean(x, flag)
array([ 3.25      ,  5.33333333,  3.25      ,  3.33333333,  5.33333333,
5.33333333,  3.33333333,  3.25      ,  3.25      ,  3.33333333])