使用`numpy.digitize`拆分NumPy数组后如何计算每个bin的平均值？答案

【问题标题】：How to calculate mean of each bin after using `numpy.digitize` to split up a NumPy array?使用`numpy.digitize`拆分NumPy数组后如何计算每个bin的平均值？
【发布时间】：2019-12-03 17:32:43
【问题描述】：

我有一个输入数组，它被分成多个 bin，我想计算这些 bin 的平均值。让我们假设以下示例：

>>> import numpy as np
>>> a = np.array([1.4, 2.6, 0.7, 1.1])

np.digitize 将其拆分为垃圾箱：

>>> bins = np.arange(0, 2 + 1)
>>> indices = np.digitize(a, bins)
>>> indices
array([2, 3, 1, 2])

正如您在此处更明确地看到的那样，这完全符合我的预期：

>>> for i in range(len(bins)):
...     f"bin where {i} <= x < {i + 1} contains {a[indices == i + 1]}"
... 
'bin where 0 <= x < 1 contains [0.7]'
'bin where 1 <= x < 2 contains [1.4 1.1]'
'bin where 2 <= x < 3 contains [2.6]'

但是，现在我想获得每个 bin 的平均值。使用for 循环以非 NumPy 方式执行此操作将是这样的：

>>> b = np.array([a[indices == i + 1].mean() for i in range(len(bins))])
>>> b
array([0.7 , 1.25, 2.6 ])

但是为此使用for 循环似乎既不优雅（pythonic）也不高效，因为列表必须随后转换为带有np.array 的NumPy 数组。

执行此操作的 NumPy 方法是什么？

【问题讨论】：

标签： python arrays numpy scipy scientific-computing

【解决方案1】：

IIUC，这是bincount：

np.bincount(indices-1,a)/np.bincount(indices-1)

输出：

array([0.7, 1.25, 2.6])

【讨论】：

【解决方案2】：

执行此操作的 numpy 方法是将 numpy.mean() 作为函数

【讨论】：