添加具有相同 bin 分配的 numpy 数组元素/切片答案

【问题标题】：Add numpy array elements/slices with same bin assignment添加具有相同 bin 分配的 numpy 数组元素/切片
【发布时间】：2017-09-07 04:45:11
【问题描述】：

我有一些数组A，数组bins 的对应元素包含每一行的bin 分配。我想构造一个数组S，这样

S[0, :] = (A[(bins == 0), :]).sum(axis=0)

使用np.stack 和列表推导很容易做到这一点，但它似乎过于复杂且可读性差。有没有更通用的方法来对具有 bin 分配的数组切片求和（甚至应用一些通用函数）？ scipy.stats.binned_statistic 是正确的，但要求 bin 分配和计算函数的值具有相同的形状（因为我使用的是切片，所以情况并非如此）。

例如，如果

A = np.array([[1., 2., 3., 4.],
              [2., 3., 4., 5.],
              [9., 8., 7., 6.],
              [8., 7., 6., 5.]])

和

bins = np.array([0, 1, 0, 2])

那么它应该会导致

S = np.array([[10., 10., 10., 10.],
              [2.,  3.,  4.,  5. ],
              [8.,  7.,  6.,  5. ]])

【问题讨论】：

标签： python arrays numpy histogram binning

【解决方案1】：

这是matrix-multiplication 使用np.dot 的方法-

(bins == np.arange(bins.max()+1)[:,None]).dot(A)

示例运行 -

In [40]: A = np.array([[1., 2., 3., 4.],
    ...:               [2., 3., 4., 5.],
    ...:               [9., 8., 7., 6.],
    ...:               [8., 7., 6., 5.]])

In [41]: bins = np.array([0, 1, 0, 2])

In [42]: (bins == np.arange(bins.max()+1)[:,None]).dot(A)
Out[42]: 
array([[ 10.,  10.,  10.,  10.],
       [  2.,   3.,   4.,   5.],
       [  8.,   7.,   6.,   5.]])

性能提升

创建掩码(bins == np.arange(bins.max()+1)[:,None]) 的更有效方法是这样 -

mask = np.zeros((bins.max()+1, len(bins)), dtype=bool)
mask[bins, np.arange(len(bins))] = 1

【讨论】：

这比@Psidom 的解决方案快大约30%，所以接受这个。这对我来说稍微直截了当，但两者都有效。

【解决方案2】：

你可以使用np.add.reduceat:

import numpy as np
# index to sort the bins
sort_index = bins.argsort()

# indices where the array needs to be split at
indices = np.concatenate(([0], np.where(np.diff(bins[sort_index]))[0] + 1))

# sum values where the bins are the same
np.add.reduceat(A[sort_index], indices, axis=0)

# array([[ 10.,  10.,  10.,  10.],
#        [  2.,   3.,   4.,   5.],
#        [  8.,   7.,   6.,   5.]])

【讨论】：