通过numpy.mean分组

Question

如何计算下面每个工人的均值？以下是我的示例NumPy ndarray。第0列是工作人员编号，第1列是纬度，第2列是经度。我想计算每个workerid的平均纬度和经度。我想保留所有使用NumPy（ndarray），而不转换为熊猫。import numpyfrom scipy.spatial.distance import cdist, euclideanimport itertoolsfrom itertools import groupbyclass WorkerPatientScores:    '''    I read from the Patient and Worker tables in SchedulingOptimization.    '''    def __init__(self, dist_weight=1):        self.a = []        self.a = ([[25302, 32.133598100000000, -94.395845200000000],                   [25302, 32.145095132560200, -94.358041585705600],                   [25302, 32.160400000000000, -94.330700000000000],                   [25305, 32.133598100000000, -94.395845200000000],                   [25305, 32.115095132560200, -94.358041585705600],                   [25305, 32.110400000000000, -94.330700000000000],                   [25326, 32.123598100000000, -94.395845200000000],                   [25326, 32.125095132560200, -94.358041585705600],                   [25326, 32.120400000000000, -94.330700000000000],                   [25341, 32.173598100000000, -94.395845200000000],                   [25341, 32.175095132560200, -94.358041585705600],                   [25341, 32.170400000000000, -94.330700000000000],                   [25376, 32.153598100000000, -94.395845200000000],                   [25376, 32.155095132560200, -94.358041585705600],                   [25376, 32.150400000000000, -94.330700000000000]])        ndarray = numpy.array(self.a)        ndlist = ndarray.tolist()        geo_tuple = [(p[1], p[2]) for p in ndlist]        nd1 = numpy.array(geo_tuple)        mean_tuple = numpy.mean(nd1, 0)        print(mean_tuple)上面的输出是：[32.14303108 -94.36152893]

Answer 1

您可以使用一些创造性的数组切片和where函数来解决此问题。

means = {}

for i in numpy.unique(a[:,0]):

    tmp = a[numpy.where(a[:,0] == i)]

    means[i] = (numpy.mean(tmp[:,1]), numpy.mean(tmp[:,2]))

切片[:,0]是从2d数组中提取列（在本例中为第一列）的便捷方法。为了获得均值，我们从第一列中找到唯一的ID，然后针对每个ID，使用提取相应的行where，然后合并。最终结果是元组的字典，其中键是ID，值是包含其他两列平均值的元组。当我运行它时，它会产生以下命令：

{25302.0: (32.1463644108534, -94.36152892856853),

 25305.0: (32.11969774418673, -94.36152892856853),

 25326.0: (32.12303107752007, -94.36152892856853),

 25341.0: (32.17303107752007, -94.36152892856853),

 25376.0: (32.15303107752007, -94.36152892856853)}

Answer 2

使用workerid和列表理解将是：

a=np.array(self.a)

ids=np.unique(a[:,0]) #array of unique ids

pos_mean=[np.mean(a[a[:,0]==i, 1:], axis=0) for i in ids]

但是考虑到似乎总是有3次连续测量，应该有一个相对简单的方法对其进行矢量化