Numpy聚合行和总和答案

【问题标题】：Numpy Aggregate Rows and SumNumpy聚合行和总和
【发布时间】：2019-04-13 19:40:50
【问题描述】：

我有一个 Numpy 矩阵：

M = [[55, 5],
 [56, 3],
 [57, 7],
 [58, 9],
 [59, 3],
 [60, 8],
 [61, 1]]

我想按 group_size 聚合（例如分成 3 个组）：

group_size = math.ceil(M.size/groups) # math.ceil(7/3) = 3

每个聚合行的左值是组中的第一个左值，右值是组中所有右值的总和。

预期输出：

R = [[55, 15], # 55 first left column value of first group, 15 sum of all right values in group 
 [58, 20], # 58 first left column value of second group, 20 sum of all right values in group
 [61, 1]] # Third group consist only of one row, remainder

有没有一种有效的方法可以用 Numpy 解决这个问题而无需循环？

【问题讨论】：

标签： python pandas numpy

【解决方案1】：

a = np.array([[2, 3],[5, 6],[7, 9]])
b = numpy.zeros(shape=(len(a[0])))
for i in a:
    b=b+i
    print(b)

【讨论】：

解释，代码的作用以及它如何解决问题中的问题，很少不能改善答案。

【解决方案2】：

使用 Python 的解决方案：

from operator import itemgetter

M = [[55, 5],
     [56, 3],
     [57, 7],
     [58, 9],
     [59, 3],
     [60, 8],
     [61, 1]]
it = (M[e:e+3] for e in range(0, len(M), 3))
print([[e[0][0], sum(map(itemgetter(1), e))] for e in it])

输出

[[55, 15], [58, 20], [61, 1]]

【讨论】：

【解决方案3】：

这是使用 NumPy 的一种方法：

n = 3
x = M[::n, 0]
y = np.add.reduceat(M[:, 1], np.arange(0, M.shape[0], n))

R = np.vstack((x, y)).T

print(R)

array([[55, 15],
       [58, 20],
       [61,  1]])

【讨论】：

【解决方案4】：

pandas 解决方案应使用agg 与first 和sum：

group_size = 3
df = pd.DataFrame(M).groupby(np.arange(len(M)) // group_size).agg({0:'first',1:'sum'})
print (df)
    0   1
0  55  15
1  58  20
2  61   1

a = np.array(df.values.tolist())
print(a)
[[55 15]
 [58 20]
 [61  1]]

【讨论】：