Esiste un gruppo numpy per funzione?

Question

Esiste qualche funzione in numpy per raggruppare questa matrice in basso per la prima colonna?

non ho potuto trovare alcuna buona risposta su internet ..

>>> a 
array([[ 1, 275], 
     [ 1, 441], 
     [ 1, 494], 
     [ 1, 593], 
     [ 2, 679], 
     [ 2, 533], 
     [ 2, 686], 
     [ 3, 559], 
     [ 3, 219], 
     [ 3, 455], 
     [ 4, 605], 
     [ 4, 468], 
     [ 4, 692], 
     [ 4, 613]]) 

uscita Ricercato:

array([[[275, 441, 494, 593]], 
     [[679, 533, 686]], 
     [[559, 219, 455]], 
     [[605, 468, 692, 613]]], dtype=object) 

Answer 1

n = unique(a[:,0]) 
array([ list(a[a[:,0]==i,1]) for i in n]) 

uscite:

array([[275, 441, 494, 593], [679, 533, 686], [559, 219, 455], 
     [605, 468, 692, 613]], dtype=object) 

Answer 2

Il pacchetto numpy_indexed (disclaimer: I am its aut Hor) mira a colmare questa lacuna in numpy. Tutte le operazioni in numpy-indexed sono completamente vettorizzate e nessun algoritmo O (n^2) è stato danneggiato durante la creazione di questa libreria.

import numpy_indexed as npi 
npi.group_by(a[:, 0]).split(a[:, 1]) 

noti che è solitamente più efficiente per calcolare direttamente proprietà rilevanti su tali gruppi (cioè, group_by (chiavi) .mean (valori)), anziché prima suddivisione in una lista/matrice irregolare.

Answer 3

Ispirato dalla libreria di Eelco Hoogendoorn, ma senza la sua libreria, e utilizzando il fatto che la prima colonna del tuo array è sempre in aumento.

>>> np.split(a[:, 1], np.cumsum(np.unique(a[:, 0], return_counts=True)[1])[:-1]) 
[array([275, 441, 494, 593]), 
array([679, 533, 686]), 
array([559, 219, 455]), 
array([605, 468, 692, 613])] 

non l'ho fatto "timeit", ma questo è probabilmente il modo più veloce per raggiungere la domanda:

• No pitone ciclo nativo
• liste dei risultati sono array NumPy, in caso di necessità di effettuare altre operazioni NumPy su di loro, sarà necessaria alcuna nuova conversione
• Complessità come O (n)

PS: ho scritto una linea simile perché avevo bisogno di "gruppo da" i risultati di np.nonzero:

>>> indexes, values = np.nonzero(...) 
>>> np.split(values, np.cumsum(np.unique(indexes, return_counts=True)[1]))