对巨大的2D NumPy数组求和按ID列分组的最有效方法？

编程问答 2021-09-16

问题描述

您可以使用bincount（）：

import numpy as np

ids = [1,1,1,2,2,2,3]
data = [20,30,0,4,8,9,18]

print np.bincount(ids, weights=data)

输出为[0. 50. 21. 18.]，这意味着id == 0的总和为0，id == 1的总和为50。

解决方法

我有一个庞大的数据数组（500k行），看起来像：

id  value  score
1   20     20
1   10     30
1   15     0
2   12     4
2   3      8
2   56     9
3   6      18
...

如您所见，左侧有一个非唯一的ID列，而在第3列中有各种分数。

我希望快速将所有分数按ID进行汇总。在SQL中，这看起来像SELECT sum(score) FROM table GROUP BY id

使用NumPy，我尝试遍历每个ID，按每个ID截断表格，然后将该表的分数加起来。

table_trunc = table[(table == id).any(1)]
score       = sum(table_trunc[:,2])

不幸的是，我发现第一个命令很慢。有没有更有效的方法来做到这一点？

python