对 Numpy 数组求和

Question

我有一个形式的numpy数组：np.Array1 = [   ['2019-12-01' '0.03555' '0.03' '0.03' '0.03'],   ['2019-12-02' '0.03' '0.03' '1' '0.03']]第二个：np.Array2 = [   array(['2019-12-01', '1', '1', '1', '1']),   array(['2019-12-02', '1', '1', '1', '20'])]有没有办法让我这样做：对每个元素求和npArray1.col1 = npArray2.col1- 即：当日期相同时，逐个元素添加元素（不包括日期）'2019-12-01' = '2019-12-01' so [0.03555+1, 0.03+1, 0.03+1, 0.03+1]我知道我可能会以错误的方式解决这个问题，通过改变同一个数组中的类型任何关于基于条件逻辑添加值的更好方法的建议都值得赞赏。

Answer 1

您可以通过将数组转换为以日期为索引的 pandas 数据框并使用add：

import numpy as np

import pandas as pd

a1 = np.array( [['2019-12-01', '0.03555', '0.03', '0.03', '0.03'],

                ['2019-12-02', '0.03', '0.03', '1', '0.03']] )

a2 = np.array([['2019-12-01', '1', '1', '1', '1'],

               ['2019-12-02', '1', '1', '1', '20']])

# convert to dataframe and set the date as the index

# also convert to floats:

df1 = pd.DataFrame(a1).set_index(0).astype(float)

df2 = pd.DataFrame(a2).set_index(0).astype(float)

df1.add(df2, fill_value = 0)

然后，您可以通过转换回字符串、重置索引并获取值来将其作为原始格式的 numpy 数组取回：

df1.add(df2, fill_value = 0).astype(str).reset_index().values

Answer 2

这对我有用，它不需要熊猫：

import numpy as np

a1 = [

    np.array(['2019-12-01', '0.03555', '0.03', '0.03', '0.03']),

    np.array(['2019-12-02', '0.03', '0.03', '1', '0.03'])

]

a2 = [

    np.array(['2019-12-01', '1', '1', '1', '1']),

    np.array(['2019-12-02', '1', '1', '1', '20'])

]

def array_adder(A, B):

    C = []

    for outer, outer2 in zip(A, B):

        temp = []

        if len(outer) == len(outer2):

            for inner, inner2 in zip(outer, outer2):

                if len(temp) < 1:

                    temp.append(inner)

                else:

                    temp.append(float(inner) + float(inner2))

            C.append(temp)

        else:

            print('Arrays must have the same length..')

            break

    return C

print(array_adder(a1, a2))