numpy中的数字求和数组
假设我有一个numpy数组，例如：[1,2,3,4,5,6]和另一个数组：[0,0,1,2,2,1]我想按组对第一个数组中的项求和（第二个数组）并按组号顺序获得n个组的结果（在这种情况下，结果将为[3，9，9]）。我该如何在numpy中执行此操作？
问题答案：
有多种方法可以做到这一点，但这是一种方法：
import numpy as np
data = np.arange(1, 7)
groups = np.array([0,0,1,2,2,1])
unique_groups = np.unique(groups)
sums = []
for group in unique_groups:
sums.append(data[groups == group].sum())
您 可以对 事物 进行
矢量化处理，以便根本没有for循环，但是我建议不要这样做。它变得不可读，并且将需要几个2D临时数组，如果您有大量数据，则可能需要大量内存。
编辑：这是您可以完全向量化的一种方法。请记住，这可能（并且可能会）比上述版本慢。（也许有更好的方法将其向量化，但是已经晚了，我很累，所以这只是浮现在脑海的第一件事……）
但是，请记住，这是一个不好的例子…在上述循环中，您的确在速度和可读性方面都更好。
import numpy as np
data = np.arange(1, 7)
groups = np.array([0,0,1,2,2,1])
unique_groups = np.unique(groups)
# Forgive the bad naming here...
# I can't think of more descriptive variable names at the moment...
x, y = np.meshgrid(groups, unique_groups)
data_stack = np.tile(data, (unique_groups.size, 1))
data_in_group = np.zeros_like(data_stack)
data_in_group[x==y] = data_stack[x==y]
sums = data_in_group.sum(axis=1)
-
我有一个疑问。有没有一种有效的方法来求一个numpy矩阵的所有邻域的和而不使用几个条件？ 这是一个例子： 当我运行时，它返回我3，而不是一个错误，因此如果我想将1添加到一个值的所有邻居中，我需要使用很多条件，因为我不能只使用，因为在这种情况下以及在其他情况下，它只返回我一个“假邻居”
-
返回两个或两个以上数字/数字数组中元素之和。 使用 Array.reduce() 将每个值添加到累加器，并且累加器初始值为 0 。 const sum = (...arr) => [...arr].reduce((acc, val) => acc + val, 0); sum(...[1, 2, 3, 4]); // 10
-
Python3 实例 以下实例为通过用户输入两个数字，并计算两个数字之和： 实例(Python 3.0+)# -*- coding: UTF-8 -*- # Filename : test.py # author by : www.runoob.com # 用户输入数字 num1 = input('输入第一个数字：') num2 = input('输入第二个数字：') # 求和 sum = flo
-
问题内容： 假设我有2个矩阵M和N（都具有> 1列）。我也有一个包含2列的索引矩阵I- M代表1列，N代表1列。N的索引是唯一的，但是M的索引可能会出现多次。我要执行的操作是 除了for循环以外，还有其他更有效的方法吗？ 问题答案： 为了完整起见，在numpy> = 1.8中，您还可以使用的方法： 除了明显的性能劣势外，它还有两个优点： 将其权重转换为双精度浮点数，将与数组的本机类型一起使用。这使
-
问题内容： 我在创建numpy数组的numpy数组时遇到问题。我将在一个循环中创建它： 所需结果： 实际结果： 可能吗？我不知道数组的最终尺寸，因此无法使用固定尺寸对其进行初始化。 问题答案： 永远不要在循环中追加数组：与基本的Python相比，这是NumPy非常不擅长的一项操作。这是因为您要对每个数据进行完整复制，这将花费您二次时间。 相反，只需将您的数组附加到Python列表中，并在最后进行转
-
问题内容： 使用simplejson序列化numpy数组的最有效方法是什么？ 问题答案： 我将使用它作为最 方便的 方法（如果我仍在使用，这意味着被Python 2.5或更早版本所卡住； 2.6和更高版本具有一个标准库模块，它们的工作方式相同，所以我当然会使用它如果使用的Python版本支持它；-)。 为了寻求更高的效率，您 可以将 json.JSONEncoder 子类化（在中；我不知道旧版本是