将Numpy数据聚合到不同的区间中，然后计算总和？

Question

我有一个矩阵，长这样：

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

我希望按照一个桶的大小（应用于左侧列）对行进行分组，例如对于桶大小为2（第一个桶的值从0-2，第二个桶从2-4，第三个桶从4-6等）：

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

然后输出一个新矩阵，其中每个组的右列之和:

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

什么是基于bin_size边界的每个值求和的有效方法？

- Franc Weser

Answer 1

使用 pandas：

创建一个 DataFrame，然后使用整数除法来定义你的区间：

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()方法可以获得你想要的输出结果：

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

使用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.])

- ALollz

---

感谢！同样的方法也适用于Numpy吗？我想使用Numpy实现。 - Franc Weser

通常情况下，如果无法通过整数除法轻松定义箱子，则还有其他定义箱子的方法；我们在这里只是幸运而已。 - ALollz

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.]])

- user3483203