Python agrupe por matriz a, y resuma la matriz b - Rendimiento
Dados dos arreglos desordenados de las mismas longitudes ayb:
a = [7,3,5,7,5,7]
b = [0.2,0.1,0.3,0.1,0.1,0.2]
Me gustaría agrupar por los elementos en un:
aResult = [7,3,5]
sumando los elementos en b (Ejemplo utilizado para resumir una función de densidad de probabilidad):
bResult = [0.2 + 0.1 + 0.2, 0.1, 0.3 + 0.1] = [0.5, 0.1, 0.4]
Alternativamente, aleatorio ayb en python:
import numpy as np
a = np.random.randint(1,10,10000)
b = np.array([1./len(a)]*len(a))
Tengo dos enfoques, que seguramente están lejos del límite inferior de rendimiento. Enfoque 1 (al menos agradable y breve): Tiempo: 0.769315958023
def approach_2(a,b):
bResult = [sum(b[i == a]) for i in np.unique(a)]
aResult = np.unique(a)
Approach 2 (numpy.groupby, horriblemente lento) Tiempo: 4.65299129486
def approach_2(a,b):
tmp = [(a[i],b[i]) for i in range(len(a))]
tmp2 = np.array(tmp, dtype = [('a', float),('b', float)])
tmp2 = np.sort(tmp2, order='a')
bResult = []
aResult = []
for key, group in groupby(tmp2, lambda x: x[0]):
aResult.append(key)
bResult.append(sum([i[1] for i in group]))
Update: Approach3, de Pablo. Hora: 1.0265750885
def approach_Pablo(a,b):
pdf = defaultdict(int);
for x,y in zip(a,b):
pdf[x] += y
Update: Enfoque 4, por Unutbu. Tiempo: 0.184849023819 [GANADOR HASTA AHORA, pero solo como entero]
def unique_Unutbu(a,b):
x=np.bincount(a,weights=b)
aResult = np.unique(a)
bResult = x[aResult]
Quizás alguien encuentre una solución más inteligente para este problema que yo:)