Заранее извиняюсь за потенциально вводящее в заблуждение название. Я не мог придумать, как правильно сформулировать проблему без наглядного примера.
У меня есть некоторый массив данных (например):
x = np.array([2,2,2,3,3,3,4,4,4,1,1,2,2,3,3])
и соответствующий массив равной длины, который указывает какие элементы x сгруппированы:
y = np.array([0,0,0,0,0,0,0,0,0,1,1,1,1,1,1])
В этом примере есть две группировки в x: [2,2,2,3,3,3,4,4,4], где y=0; и [1,1,2,2,3,3], где y=1. Я хочу получить статистику c по всем элементам x, где y равно 0, а затем 1. Мне бы хотелось, чтобы это можно было распространить на большие массивы со многими группировками. y всегда упорядочен от низшего к высшему И всегда последовательно увеличивается без пропущенных целых чисел между минимальным и максимальным. Например, y может быть np.array([0,0,**1**,2,2,2,2,3,3,3]) для некоторого массива x такой же длины, но не y = np.array([0,0,**2**,2,2,2,2,3,3,3]), поскольку в нем нет ни одного.
Я могу сделать это довольно грубо, для этого примера.
import numpy as np
x = np.array([2,2,2,3,3,3,4,4,4,1,1,2,2,3,3])
y = np.array([0,0,0,0,0,0,0,0,0,1,1,1,1,1,1])
y_max = np.max(y)
stat_min = np.zeros(y_max+1)
stat_sum = np.zeros(y_max+1)
for i in np.arange(y_max+1):
stat_min[i] = np.min(x[y==i])
stat_sum[i] = np.sum(x[y==i])
print(stat_min)
print(stat_sum)
Дает: [2. 1.] и [27. 12.] для статистики минимума и суммы для каждой группировки, соответственно. Мне нужен способ сделать это эффективным для большого числа группировок, где массивы очень велики (> 1 миллион элементов).
EDIT
Чуть лучше с понимание списка.
import numpy as np
x = np.array([2,2,2,3,3,3,4,4,4,1,1,2,2,3,3])
y = np.array([0,0,0,0,0,0,0,0,0,1,1,1,1,1,1])
y_max = np.max(y)
stat_min = np.array([np.min(x[y==i]) for i in range(y_max+1)])
stat_sum = np.array([np.sum(x[y==i]) for i in range(y_max+1)])
print(stat_min)
print(stat_sum)