Python：求重复索引累加和的有效方法（numpy方法）

Question

我有一个二维 numpy 数组，第一列中有重复的值。重复的值可以在第二列中有任何对应的值。

使用 numpy 很容易找到 cumsum，但是，我必须找到所有重复值的 cumsum。

我们如何使用 numpy 或 pandas 有效地做到这一点？

在这里，我已经使用无效的for循环解决了这个问题。我想知道有没有更优雅的解决方案

问题我们怎样才能以更有效的方式获得相同的结果？

我们将不胜感激。

#!python
# -*- coding: utf-8 -*-#
#
# Imports
import pandas as pd
import numpy as np
np.random.seed(42)  # make results reproducible

aa = np.random.randint(1, 20, size=10).astype(float)
bb = np.arange(10)*0.1

unq = np.unique(aa)

ans = np.zeros(len(unq))
print(aa)
print(bb)
print(unq)

for i, u in enumerate(unq):
    for j, a in enumerate(aa):
        if a == u:
            print(a, u)
            ans[i] += bb[j]

print(ans)


"""
# given data
idx  col0  col1
0    7.    0.0 
1    15.   0.1
2    11.   0.2
3    8.    0.3
4    7.    0.4
5    19.   0.5
6    11.   0.6
7    11.   0.7
8    4.    0.8
9    8.    0.9


# sorted data
4.    0.8
7.    0.0
7.    0.4
8.    0.9
8.    0.3
11.   0.6
11.   0.7
11.   0.2
15.   0.1
19.   0.5

# cumulative sum for repeated serial
4.    0.8
7.    0.0 + 0.4
8.    0.9 + 0.3
11.   0.6 + 0.7 + 0.2
15.   0.1
19.   0.5

# Required answer
4.    0.8 
7.    0.4    
8.    1.2
11.   1.5
15.   0.1
19.   0.5
"""

Answer 1

您可以 groupby col0 并为 col1 找到 .sum()。

df.groupby('col0')['col1'].sum()

输出：

col0
4.0     0.8
7.0     0.4
8.0     1.2
11.0    1.5
15.0    0.1
19.0    0.5
Name: col1, dtype: float64

Answer 2

我认为 pandas 方法（例如 @HarvIpan 提供的方法）最适合可读性和功能性，但由于您也要求使用 numpy 方法，这里有一种方法可以做到它在 numpy 中使用列表理解，这比你原来的循环更简洁：

np.array([[i,np.sum(bb[np.where(aa==i)])] for i in np.unique(aa)])

哪个returns:

array([[  4. ,   0.8],
       [  7. ,   0.4],
       [  8. ,   1.2],
       [ 11. ,   1.5],
       [ 15. ,   0.1],
       [ 19. ,   0.5]])

Python：求重复索引累加和的有效方法（numpy方法）

Python: effective way to find the cumulative sum of repeated index (numpy method)

python

numpy

data-manipulation

pandas

numpy-ndarray