假设我有一个结构化的学生(字符串)和测验分数(整数)数组,其中每个条目都是特定学生在特定测验中获得的分数。每个学生自然都有这个数组中的多个条目。
import numpy grades = numpy.array([('Mary', 96), ('John', 94), ('Mary', 88), ('Edgar', 89), ('John', 84)], dtype=[('student', 'a50'), ('score', 'i')]) print grades #[('Mary', 96) ('John', 94) ('Mary', 88) ('Edgar', 89) ('John', 84)]
如何轻松计算每个学生的平均分数?换句话说,我该如何在“得分”维度中采用数组的均值?我想做
grades.mean('score')
并有脾气暴躁的回报
[('Mary', 92), ('John', 89), ('Edgar', 89)]
但是Numpy抱怨
TypeError: an integer is required
有一个简单的方法可以轻松做到这一点吗?我认为这可能涉及使用具有不同dtype的结构化数组的视图。任何帮助,将不胜感激。谢谢。
>>> grades = numpy.zeros(5, dtype=[('student', 'a50'), ('score', 'i'), ('testid', 'i']) >>> grades[0] = ('Mary', 96, 1) >>> grades[1] = ('John', 94, 1) >>> grades[2] = ('Mary', 88, 2) >>> grades[3] = ('Edgar', 89, 1) >>> grades[4] = ('John', 84, 2) >>> np.mean(grades, 'testid') TypeError: an integer is required
NumPy并非旨在将行分组在一起并将聚合函数应用于这些组。你可以:
itertools.groupby
这是itertools解决方案,但是您可以看到它非常复杂且效率低下。我建议其他两种方法之一。
itertools
np.array([(k, np.array(list(g), dtype=grades.dtype).view(np.recarray)['score'].mean()) for k, g in groupby(np.sort(grades, order='student').view(np.recarray), itemgetter('student'))], dtype=grades.dtype)