使用numpy ndarray計算平均值

Question

文本文件如下：

david weight_2005 50
david weight_2012 60
david height_2005 150
david height_2012 160
mark weight_2005 90
mark weight_2012 85
mark height_2005 160
mark height_2012 170

如何計算大衛的重量和高度的平均值並標記如下：

david>> mean(weight_2005 and weight_2012), mean (height_2005 and height_2012)
mark>> mean(weight_2005 and weight_2012), mean (height_2005 and height_2012)

我的不完整代碼是：

 import numpy as np
 import csv
 with open ('data.txt','r') as infile:
   contents = csv.reader(infile, delimiter=' ')
   c1,c2,c3 = zip(*contents)
   data = np.array(c3,dtype=float)

然后如何申請np.mean ??

Answer 1

mean函數用於計算數字數組的平均值。 您需要通過將條件應用於c2來選擇c3的值。

什么可能更適合您的需求將數據分成層次結構，我更喜歡使用詞典。 就像是

data = {}
with open('data.txt') as f:
    contents = csv.reader(f, delimiter=' ')
for (name, attribute, value) in contents:
    data[name] = data.get(name, {})  # Default value is a new dict
    attr_name, attr_year = attribute.split('_')
    attr_year = int(attr_year)
    data[name][attr_name] = data[name].get(attr_name, {})
    data[name][attr_name][attr_year] = value

現在data看起來像

{
    "david": {
        "weight": {
            2005: 50,
            2012: 60
        },
        "height": {
            2005: 150,
            2012: 160
        }
    },
    "mark": {
        "weight": {
            2005, 90,
            2012, 85
        },
        "height": {
            2005: 160,
            2012: 170
        }
    }
}

那你可以做的是

david_avg_weight = np.mean(data['david']['weight'].values())
mark_avg_height = np.mean([v for k, v in data['mark']['height'].iteritems() if 2008 < k])

在這里我仍然使用np.mean ，但只在普通的Python列表上調用它。

Answer 2

我會創建這個社區wiki，因為它更“我認為你應該這樣做”而不是“這就是你問的問題的答案”。 對於像這樣的東西，我可能會使用pandas而不是numpy ，因為它的分組工具要好得多。 與基於numpy的方法進行比較也很有用。

import pandas as pd
df = pd.read_csv("data.txt", sep="[ _]", header=None, 
                 names=["name", "property", "year", "value"])
means = df.groupby(["name", "property"])["value"].mean()

..而且，呃，就是這樣。

---

首先，將數據讀入DataFrame ，允許空格或_分隔列：

>>> import pandas as pd
>>> df = pd.read_csv("data.txt", sep="[ _]", header=None, 
                 names=["name", "property", "year", "value"])
>>> df
    name property  year  value
0  david   weight  2005     50
1  david   weight  2012     60
2  david   height  2005    150
3  david   height  2012    160
4   mark   weight  2005     90
5   mark   weight  2012     85
6   mark   height  2005    160
7   mark   height  2012    170

然后按name和property分組，獲取value列，並計算平均值：

>>> means = df.groupby(["name", "property"])["value"].mean()
>>> means
name   property
david  height      155.0
       weight       55.0
mark   height      165.0
       weight       87.5
Name: value, dtype: float64

---

..好吧， sep="[ _]"技巧對於真正的代碼來說有點太可愛了，雖然它在這里工作得很好。 在實踐中，我使用空格分隔符，在第二列中讀取property_year然后執行

df["property"], df["year"] = zip(*df["property_year"].str.split("_"))
del df["property_year"]

允許其他列中的下划線。

Answer 3

您可以直接在numpy數組中讀取數據：

data = np.recfromcsv("data.txt", delimiter=" ", names=['name', 'type', 'value'])

那么你可以用np.where找到合適的索引：

indices = np.where((data.name == 'david') * data.type.startswith('height'))

並在thoses指數上執行均值：

np.mean(data.value[indices])

Answer 4

如果您的數據始終采用提供的格式。 然后你可以使用數組切片來做到這一點：

(data[:-1:2] + data[1::2]) / 2

結果是：

[  55.   155.    87.5  165. ]