将部分还原累积到数字中的数组中

Question

问题描述

如何使用b将c中的值累积到a中以索引a？也就是说，给定

import numpy as np
a = np.zeros(3)
b = np.array([2, 1, 0, 1])
c = np.arange(0.1, 0.5, 0.1)
print ('a=%s b=%s c=%s'.replace(' ', 'n') % (str(a), str(b), str(c)))

哪些输出

a=[ 0.  0.  0.]
b=[2 1 0 1]
c=[ 0.1  0.2  0.3  0.4]

如何实现

d = np.array([0.3, 0.2 + 0.4, 0.1])
print 'd=%s' % str(d)

哪些输出

d=[ 0.3  0.6  0.1]

使用a、b和c而不使用 for 循环？

我的解决方案尝试

我可以对b进行排序，然后使用排序的索引对c进行排序b

p = b.argsort()
print ('b[p]=%s c[p]=%s'.replace(' ', 'n') % (str(b[p]), str(c[p])))

哪些输出

b[p]=[0 1 1 2]
c[p]=[ 0.3  0.2  0.4  0.1]

然后将b减少到出现次数

occ = np.bincount(b[p])
print 'occ=%s' % str(occ)

哪些输出

occ=[1 2 1]

并使用它来计算部分和

print np.array([np.sum(c[p][0:occ[0]]),
np.sum(c[p][occ[0]:occ[0]+occ[1]]),
np.sum(c[p][occ[0]+occ[1]:occ[0]+occ[1]+occ[2]])])

哪些输出

[ 0.3  0.6  0.1]

我该如何概括这一点？

所有代码和输出

import numpy as np
a = np.zeros(3)
b = np.array([2, 1, 0, 1])
c = np.arange(0.1, 0.5, 0.1)
print ('a=%s b=%s c=%s'.replace(' ', 'n') % (str(a), str(b), str(c)))
d = np.array([0.3, 0.2 + 0.4, 0.1])
print 'd=%s' % str(d)
p = b.argsort()
print ('b[p]=%s c[p]=%s'.replace(' ', 'n') % (str(b[p]), str(c[p])))
occ = np.bincount(b[p])
print 'occ=%s' % str(occ)
print np.array([np.sum(c[p][0:occ[0]]),
np.sum(c[p][occ[0]:occ[0]+occ[1]]),
np.sum(c[p][occ[0]+occ[1]:occ[0]+occ[1]+occ[2]])])

哪些输出

a=[ 0.  0.  0.]
b=[2 1 0 1]
c=[ 0.1  0.2  0.3  0.4]
d=[ 0.3  0.6  0.1]
b[p]=[0 1 1 2]
c[p]=[ 0.3  0.2  0.4  0.1]
occ=[1 2 1]
[ 0.3  0.6  0.1]

Answer 1

np.bincount完全符合您的要求：

>>> import numpy as np
>>> 
>>> b = [2, 1, 0, 1]
>>> c = np.arange(0.1, 0.5, 0.1)
>>> c
array([0.1, 0.2, 0.3, 0.4])
>>> np.bincount(b, c)
array([0.3, 0.6, 0.1])

也有np.add.at但除非更新非常稀疏a否则速度要慢得多。

>>> a = np.zeros(3)
>>> np.add.at(a, b, c)
>>> a
array([0.3, 0.6, 0.1])

Answer 2

如果你可以使用熊猫，那么一行解决方案：

import pandas as pd
a = pd.DataFrame({'b':b,'c':c}).groupby('b')['c'].sum().reset_index()

输出：

b  c
0 0.3 
1 0.6 
2 0.1 

如果需要 numpy 数组，请将 nessecery 列包装为 numpy：

import pandas as pd
a = pd.DataFrame({'b':b,'c':c}).groupby('b')['c'].sum().reset_index()
b = np.array(a['b'])
c = np.array(a['c'])