我有两个数组作为模拟脚本的输出，其中一个包含 ID，一个包含时间，即类似于：
ids = np.array([2, 0, 1, 0, 1, 1, 2])
times = np.array([.1, .3, .3, .5, .6, 1.2, 1.3])
这些数组的大小始终相同。现在我需要计算times 的差异，但仅限于具有相同ids 的那些时间。当然，我可以简单地遍历不同的ids 并执行
for id in np.unique(ids):
diffs = np.diff(times[ids==id])
print diffs
# do stuff with diffs
但是，这非常低效，并且两个数组可能非常大。有没有人知道如何更有效地做到这一点？
【问题讨论】：
可以使用array.argsort()，忽略ids变化对应的值：
>>> id_ind = ids.argsort(kind='mergesort')
>>> times_diffs = np.diff(times[id_ind])
array([ 0.2, -0.2, 0.3, 0.6, -1.1, 1.2])
要查看需要丢弃哪些值，可以使用 Counter 来计算每个 id 的次数 (from collections import Counter)
或者只是对 id 进行排序，看看它的差异在哪里非零：这些是 id 变化的索引，而你的时间差异是无关紧要的：
times_diffs[np.diff(ids[id_ind]) == 0] # ids[id_ind] being the sorted indices sequence
最后你可以用 np.split 和 np.where 分割这个数组：
np.split(times_diffs, np.where(np.diff(ids[id_ind]) != 0)[0])
正如您在评论中提到的，argsort() 默认算法（快速排序）可能不会保留相等时间之间的顺序，因此必须使用 argsort(kind='mergesort') 选项。
【讨论】：
sorted(ids)，即ids[id_ind]？
argsort() 使用其标准算法快速排序可能会弄乱时间顺序。最好使用稳定的归并排序，即argsort(kind='mergesort')。
通过ids说你np.argsort：
inds = np.argsort(ids, kind='mergesort')
>>> array([1, 3, 2, 4, 5, 0, 6])
现在按 np.diff 对 times 进行排序，并在前面加上 nan：
diffs = np.concatenate(([np.nan], np.diff(times[inds])))
>>> diffs
array([ nan, 0.2, -0.2, 0.3, 0.6, -1.1, 1.2])
除了边界之外，这些差异都是正确的。让我们计算一下
boundaries = np.concatenate(([False], ids[inds][1: ] == ids[inds][: -1]))
>>> boundaries
array([False, True, False, True, True, False, True], dtype=bool)
现在我们可以做
diffs[~boundaries] = np.nan
让我们看看我们得到了什么：
>>> ids[inds]
array([0, 0, 1, 1, 1, 2, 2])
>>> times[inds]
array([ 0.3, 0.5, 0.3, 0.6, 1.2, 0.1, 1.3])
>>> diffs
array([ nan, 0.2, nan, 0.3, 0.6, nan, 1.2])
【讨论】：
我正在添加另一个答案，因为即使这些事情在 numpy 中是可能的，我认为更高级别的 pandas 对他们来说更自然。
在pandas 中，您可以在创建 DataFrame 后一步完成：
df = pd.DataFrame({'ids': ids, 'times': times})
df['diffs'] = df.groupby(df.ids).transform(pd.Series.diff)
这给出：
>>> df
ids times diffs
0 2 0.1 NaN
1 0 0.3 NaN
2 1 0.3 NaN
3 0 0.5 0.2
4 1 0.6 0.3
5 1 1.2 0.6
6 2 1.3 1.2
【讨论】：
df['diffs'] = df.groupby(['ids'])['times'].transform(pd.Series.diff)
numpy_indexed 包（免责声明：我是它的作者）包含用于此类分组操作的高效灵活的功能：
import numpy_indexed as npi
unique_ids, diffed_time_groups = npi.group_by(keys=ids, values=times, reduction=np.diff)
与 pandas 不同，它不需要专门的数据结构来执行这种相当基本的操作。
【讨论】：