python - 扩展分组表格数据的高效算法

Question

我正在寻找 python 中的优化工具来执行我发现自己一遍又一遍地执行的数组操作任务。如果该工具已经存在，例如在 numpy 或 pandas 中，我宁愿实现它，而不是继续使用我自己的 cythonized for 循环。

我有两个长度相同的数组，A 和 B，存储一些关于分组数据的数据。数组 A 的第 i 个条目告诉我组 i 的一些属性；数组 B 的第 j 个条目告诉我组 j 中有多少成员； A 存储 float ，B 存储整数。因此，为了确定性，如果 A[5]=100.4 & B[5]=7，则第 5 组的质量等于 100.4，并且该组有 7 个成员。

我的目标是创建一个新的 float 数组 C，长度为 B.sum()，它是上述数据集的扩展。所以 C[0:B[0]] = A[0]，C[B[0]:B[1]] = A[1]，等等。在 pandas 等现有库中是否有优化的解决方案来执行此操作？

我现有的解决方案是初始化一个空数组 C，然后在 A 的元素上运行 for 循环，如上所述索引 C 的公共(public)元素。为了速度，我一直在用 cython 编写和编译 for 循环。但是这个特定的操作是我的代码中最大的瓶颈，它似乎是处理表格数据时非常常见的数组操作，所以我想知道是否已经有一个高度优化的算法可以做到这一点。

Answer 1

Numpy 有 repeat() 用于那种类型的东西。

给定两个数组

A = np.array([100.4,98.3,88.5])
B = np.array([7,3,10])
np.repeat(A,B)

给你

array([ 100.4,  100.4,  100.4,  100.4,  100.4,  100.4,  100.4,   98.3,
         98.3,   98.3,   88.5,   88.5,   88.5,   88.5,   88.5,   88.5,
         88.5,   88.5,   88.5,   88.5])