Można użyć binned_statistic
from scipy.stats który obsługuje rozmaite funkcje statystycznych, które należy zastosować w kawałki całej 1D tablicy. Aby zdobyć porcje, musimy posortować i uzyskać pozycje zmian (w których zmieniają się porcje), dla których użyteczne byłoby np.unique
. Umieszczenie tych wszystkich, oto implementacja -
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)
Od docs binned_statistic
, można również użyć funkcji niestandardowej Statystyki:
funkcję: funkcję zdefiniowaną przez użytkownika, która pobiera tablicę 1D wartości , i wyświetla pojedynczą statystykę numeryczną. Ta funkcja będzie nazywać się na wartości w każdym pojemniku. Puste pojemniki będą reprezentowane przez funkcję ([]) lub NaN, jeśli zwróci błąd.
wejście próbki, wyjście -
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. ]])
można dodać [Minimal, kompletne i weryfikowalne przykład] (http://stackoverflow.com/help/mcve) na twoje pytanie? – Kasramvd
Spójrz na http://stackoverflow.com/questions/4373631/sum-array-by-number-in-numpy –
Poza tym: jeśli pracujesz z rzeczywistymi danymi, prawdopodobnie łatwiej będzie Ci znaleźć używaj ['pandas'] (http://pandas.pydata.org) niż gołego numpy. Jeśli twoje 'dane' były' DataFrame' zamiast 'ndarray', coś takiego jak' df.groupby (0) [1] .agg (["mean", "std"]) 'działałoby. – DSM