按組 ID 進行 Numpy 數組歸一化：

Question

假設數據和標簽是numpy 數組，如下所示：

import numpy as np
data=np.array([[0,4,5,6,8],[0,6,8,9],[1,9,5],[1,45,7],[1,8,3]]) #Note: length of each row is different 
labels=np.array([4,6,10,4,6])

data中每一行的第一個元素顯示一個組的 id 。 我想根據組 id規范化（見下面的例子）標簽：

例如，數據中的前兩行有 id=0； 因此，它們的標簽必須是：

normalized_labels[0]=labels[0]/(4+6)=0.4 
normalized_labels[1]=labels[1]/(4+6)=0.6

預期的輸出應該是：

normalized_labels=[0.4,0.6,0.5,0.2,0.3]   

我有一個天真的解決方案：

ids=[data[i][0] for i in range(data.shape[0])]
out=[]
for i in set(ids):
    ind=np.where(ids==i)
    out.extend(list(labels[ind]/np.sum(labels[ind])))
out=np.array(out)
print(out)

是否有任何 numpy 函數來執行這樣的任務。 任何建議表示贊賞！

Answer 1

我發現了這種將labels轉換為關於indices = [n[0] for n in data]的組總和的微妙方法。 在后面的解決方案中，不需要使用data ：

indices = [n[0] for n in data]
u, inv = np.unique(indices, return_inverse=True)
bincnt = np.bincount(inv, weights=labels)
sums = bincnt[inv]

現在總和是： array([10., 10., 20., 20., 20.]) 。 進一步很簡單，如下所示：

normalized_labels = labels / sums

評論。 np.bincount計算標記為 0、1、2 的項目的加權總和...這就是為什么需要重新indices -> inv 。 例如， indices = [8, 6, 4, 3, 4, 6, 8, 8]應該映射到inv = [3, 2, 1, 0, 1, 2, 3, 3] 。