关于python：组和平均NumPy矩阵

Group and average NumPy matrix

说我有一个如下所示的任意numpy矩阵：

1
2
3
4
5
6
7
8
9
10

arr = [[ 6.0 12.0 1.0]
[ 7.0 9.0 1.0]
[ 8.0 7.0 1.0]
[ 4.0 3.0 2.0]
[ 6.0 1.0 2.0]
[ 2.0 5.0 2.0]
[ 9.0 4.0 3.0]
[ 2.0 1.0 4.0]
[ 8.0 4.0 4.0]
[ 3.0 5.0 4.0]]

对按第三列号分组的行进行平均的有效方法是什么？

预期输出为：

1
2
3
4

result = [[ 7.0 9.33 1.0]
[ 4.0 3.0 2.0]
[ 9.0 4.0 3.0]
[ 4.33 3.33 4.0]]

相关讨论

一种紧凑的解决方案是使用numpy_indexed(免责声明：我是它的作者)，该实现了完全矢量化的解决方案：

1 2	import numpy_indexed as npi npi.group_by(arr[:, 2]).mean(arr)

您可以执行以下操作：

1
2
3
4

for x in sorted(np.unique(arr[...,2])):
results.append([np.average(arr[np.where(arr[...,2]==x)][...,0]),
np.average(arr[np.where(arr[...,2]==x)][...,1]),
x])

测试：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

>>> arr
array([[ 6., 12., 1.],
[ 7., 9., 1.],
[ 8., 7., 1.],
[ 4., 3., 2.],
[ 6., 1., 2.],
[ 2., 5., 2.],
[ 9., 4., 3.],
[ 2., 1., 4.],
[ 8., 4., 4.],
[ 3., 5., 4.]])
>>> results=[]
>>> for x in sorted(np.unique(arr[...,2])):
... results.append([np.average(arr[np.where(arr[...,2]==x)][...,0]),
... np.average(arr[np.where(arr[...,2]==x)][...,1]),
... x])
...
>>> results
[[7.0, 9.3333333333333339, 1.0], [4.0, 3.0, 2.0], [9.0, 4.0, 3.0], [4.333333333333333, 3.3333333333333335, 4.0]]

不需要对数组arr进行排序，并且所有中间数组都是视图(即，不是新的数据数组)。直接从这些视图中有效地计算平均值。