У меня есть матрица, которая выглядит так:
M = [[1, 200],
[1.8, 100],
[2, 500],
[2.5, 300],
[3, 400],
[3.5, 200],
[5, 200],
[8, 100]]
Я хочу сгруппировать строки по размеру бина (применяется к левому столбцу), например, для ячейки размером 2 (первая ячейка имеет значения от 0 до 2, вторая ячейка от 2 до 4, третья ячейка от 4 до 6 и т. д.):
[[1, 200],
[1.8, 100],
----
[2, 500],
[2.5, 300],
[3, 400],
[3.5, 200],
----
[5, 200],
----
[8, 100]]
Затем выведите новую матрицу с суммой правых столбцов для каждой группы:
[200+100, 500+300+400+200, 200, 100]
Как эффективный способ суммировать каждое значение на основе границ bin_size?
2 ответа
С pandas:
Сделайте DataFrame, а затем используйте целочисленное деление для определения ваших бункеров:
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
Используйте .tolist(), чтобы получить желаемый результат:
df.groupby(df[0]//2)[1].sum().tolist()
#[300, 1400, 200, 100]
С 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.])
Вы можете использовать np.digitize и scipy.sparse.csr_matrix здесь:
bins = [2, 4, 6, 8, 10]
b = np.digitize(M[:, 0], bins)
v = M[:, 1]
Теперь используя векторизацию groupby, используя 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.]])
Похожие вопросы
Новые вопросы
python
Python - это многопарадигмальный, динамически типизированный, многоцелевой язык программирования. Он разработан для быстрого изучения, понимания и использования, а также для обеспечения чистого и единообразного синтаксиса. Обратите внимание, что Python 2 официально не поддерживается с 01.01.2020. Тем не менее, для вопросов о Python, связанных с версией, добавьте тег [python-2.7] или [python-3.x]. При использовании варианта Python (например, Jython, PyPy) или библиотеки (например, Pandas и NumPy) включите его в теги.