我有一组数据(X,Y)。我的自变量值X不是唯一的,因此有多个重复值,我想输出一个新数组,其中包含:X_unique,它是X的唯一值列表。 Y_mean是与X_unique对应的所有Y值的平均值。 Y_std是与X_unique对应的所有Y值的标准偏差。
x = data[:,0]
y = data[:,1]
binned_statistic
,它支持在1D数组中应用各种统计函数以分块方式进行。要获取这些块,我们需要对其进行排序并获取移位的位置(块变化的位置),np.unique
将非常有用。将所有这些放在一起,下面是一个实现 -from scipy.stats import binned_statistic as bstat
# Sort data corresponding to argsort of first column
sdata = data[data[:,0].argsort()]
# Unique col-1 elements and positions of breaks (elements are not identical)
unq_x,breaks = np.unique(sdata[:,0],return_index=True)
breaks = np.append(breaks,data.shape[0])
# Use binned statistic to get grouped average and std deviation values
idx_range = np.arange(data.shape[0])
avg_y,_,_ = bstat(x=idx_range, values=sdata[:,1], statistic='mean', bins=breaks)
std_y,_,_ = bstat(x=idx_range, values=sdata[:,1], statistic='std', bins=breaks)
从binned_statistic
的文档中,我们也可以使用自定义的统计函数:
function:一个用户定义的函数,它接受一个值的一维数组,并输出单个数字统计量。该函数将在每个箱中的值上调用。空箱子将被表示为function([]),如果这返回错误,则为NaN。
样例输入,输出 -
In [121]: data
Out[121]:
array([[2, 5],
[2, 2],
[1, 5],
[3, 8],
[0, 8],
[6, 7],
[8, 1],
[2, 5],
[6, 8],
[1, 8]])
In [122]: np.column_stack((unq_x,avg_y,std_y))
Out[122]:
array([[ 0. , 8. , 0. ],
[ 1. , 6.5 , 1.5 ],
[ 2. , 4. , 1.41421356],
[ 3. , 8. , 0. ],
[ 6. , 7.5 , 0.5 ],
[ 8. , 1. , 0. ]])
binned_statistic
的存在。在不久的将来,我可能会经常使用它!我曾经写过 Cython 代码来实现类似的功能哈哈!谢谢! - Imanol Luengox_unique = np.unique(x)
y_means = np.array([np.mean(y[x==u]) for u in x_unique])
y_stds = np.array([np.std(y[x==u]) for u in x_unique])
data=np.random.randint(1,5,20).reshape(10,2)
import pandas
pandas.DataFrame(data).groupby(0).mean()
提供
1
0
1 2.666667
2 3.000000
3 2.000000
4 1.500000
pandas
比裸的numpy更容易。如果您的data
是一个DataFrame
而不是一个ndarray
,那么像df.groupby(0)[1].agg(["mean", "std"])
这样的东西就可以工作了。 - DSM