python - numpy group by，返回按结果排序的原始索引

Question

我有这样的数组:

array([[2, 1],
       [3, 5],
       [2, 1],
       [4, 2],
       [2, 3],
       [5, 3]])

我想做的是按第一列“分组”求和，然后按第二列排序:

array([[2, 5],
       [3, 5],
       [5, 3],
       [4, 2]])

问题来了，我还想从每一行的原始数组中取回索引在结果数组中，排序:

     2       3     5    4
 [[0,2,4],  [1],  [5], [3] ]

或者，如果它很容易……我需要获得前 N 个索引……比如说前 2 个:

     2       3    
  [0,2,4,    1]

没有 pandas，只有纯 numpy。

顺便说一句，我只需要前 N 个项目及其索引..这可以简化加速过程

---

尝试应用其中的任何一个:

https://izziswift.com/is-there-any-numpy-group-by-function

Answer 1

遗憾的是 Numpy 中没有分组依据，但您可以使用 np.unique 来查找唯一元素及其索引，这足以实现您的需要。已识别的键之一，您可以使用 np.add.at 执行基于键的缩减。对于按值排序，您可以使用 np.argsort。参见 this post和 this one获取更多信息。

keys, index = np.unique(df[:,0], return_inverse=True) # Find the unique key to group
values = np.zeros(len(keys), dtype=np.int64)          # Sum-based accumulator
np.add.at(values, index, df[:,1])                     # Key-based accumulation
tmp = np.hstack([keys[:,None], values[:,None]])       # Build the key-sum 2D array
res = tmp[tmp[:, 1].argsort()[::-1]]                  # Sort by value

请注意，索引可以很容易地从 index 变量(这是一个反向索引)中获得。无法使用 Numpy 构建它，但可以使用一个简单的 python 循环，在每个键 keys[index[i]]< 中存储在字典中的列表中累积索引 i/。这是一个例子:

from collections import defaultdict
d = defaultdict(list)
for i in range(len(df)): d[keys[index[i]]].append(i)