python – Numpy：条件求和

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python – Numpy：条件求和，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1297字，纯文字阅读大概需要2分钟。

内容图文

我有以下numpy数组：

import numpy as np
arr = np.array([[1,2,3,4,2000],
                [5,6,7,8,2000],
                [9,0,1,2,2001],
                [3,4,5,6,2001],
                [7,8,9,0,2002],
                [1,2,3,4,2002],
                [5,6,7,8,2003],
                [9,0,1,2,2003]
              ])

我理解np.sum(arr,axis = 0)来提供结果：

array([   40,    28,    36,    34, 16012])

我想做什么(没有for循环)是根据最后一列的值对列进行求和,以便提供的结果是：

array([[   6,    8,   10,   12, 4000],
       [  12,    4,    6,    8, 4002],
       [   8,   10,   12,    4, 4004],
       [  14,    6,    8,   10, 4006]])

我意识到没有循环可能是一个延伸,但希望最好…

如果必须使用for循环,那么它将如何工作？

我尝试了np.sum(arr [：,4] == 2000,axis = 0)(我将用for循环中的变量替换2000),但它给出了2的结果

解决方法:

您可以使用np.diff和np.add.reduceat的聪明应用程序在纯粹的numpy中执行此操作.np.diff将为您提供最右列更改的索引：

d = np.diff(arr[:, -1])

np.where会将您的布尔索引d转换为np.add.reduceat期望的整数索引：

d = np.where(d)[0]

reduceat也期望看到零指数,一切都需要换一：

indices = np.r_[0, e + 1]

在这里使用np.r_比np.concatenate更方便,因为它允许标量.总和然后变成：

result = np.add.reduceat(arr, indices, axis=0)

当然,这可以组合成一个单行程：

>>> result = np.add.reduceat(arr, np.r_[0, np.where(np.diff(arr[:, -1]))[0] + 1], axis=0)
>>> result
array([[   6,    8,   10,   12, 4000],
       [  12,    4,    6,    8, 4002],
       [   8,   10,   12,    4, 4004],
       [  14,    6,    8,   10, 4006]])

内容总结

以上是互联网集市为您收集整理的python – Numpy：条件求和全部内容，希望文章能够帮你解决python – Numpy：条件求和所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端