Numpy聚合成垃圾桶，然后计算和？

Question

我有一个像这样的矩阵：

M = [[1, 200],
 [1.8, 100],
 [2, 500],
 [2.5, 300],
 [3, 400],
 [3.5, 200],
 [5, 200],
 [8, 100]]

我希望按照一个bin大小(应用于左列)对行进行分组，例如对于一个bin大小2(第一个bin为0-2，第二个bin为2-4，第三个bin为4-6，等等)：

[[1, 200],
 [1.8, 100],
----
 [2, 500],
 [2.5, 300],
 [3, 400],
 [3.5, 200],
----
 [5, 200],
----
 [8, 100]]

然后为每个组输出一个包含正确列之和的新矩阵：

[200+100, 500+300+400+200, 200, 100]

根据bin_size边界对每个值进行求和的有效方法是什么？

Answer 1

用pandas

创建一个DataFrame，然后使用整数除法来定义回收箱：

import pandas as pd

df = pd.DataFrame(M)
df.groupby(df[0]//2)[1].sum()

#0
#0.0     300
#1.0    1400
#2.0     200
#4.0     100
#Name: 1, dtype: int64

使用.tolist()获得所需的输出：

df.groupby(df[0]//2)[1].sum().tolist()
#[300, 1400, 200, 100]

用numpy.bincount

import numpy as np

gp, vals = np.transpose(M)
gp = (gp//2).astype(int)

np.bincount(gp, vals)
#array([ 300., 1400.,  200.,    0.,  100.])

Answer 2

您可以在这里使用np.digitize和scipy.sparse.csr_matrix：

bins = [2, 4, 6, 8, 10]
b = np.digitize(M[:, 0], bins)
v = M[:, 1]

现在使用向量化的groupby使用csr_matrix

from scipy import sparse

sparse.csr_matrix(
    (v, b, np.arange(v.shape[0]+1)), (v.shape[0], b.max()+1)
).sum(0)

​

matrix([[ 300., 1400.,  200.,    0.,  100.]])