Je ne sais pas où vous avez obtenu cette liste de chaînes de , mais si elle est d'un fichier, utilisez genfromtxt
pour obtenir une belle gamme de numpy de celui-ci, avec les bons types:
import numpy as np
from StringIO import StringIO # to create example file
s = """ viola.jpg 0.81 1.0693461723 100
viola.jpg 0.44 1.31469086921 18
viola.jpg 0.8 3.92096084523 73
vlasta.jpg 0.88 1.36559123399 110
vlasta.jpg 0.88 1.88126493001 45
vlasta.jpg 0.76 1.0510328514 88"""
f = StringIO(s) # creates example file with content above
a = np.genfromtxt(f, names = "image, someval, another, someid", dtype=['S12', float, float, int])
maintenant, a
est un tableau structuré. Vous pouvez accéder aux colonnes en utilisant le nom field
: Maintenant
images = np.uniques(a['image']) # gets unique values of the column named 'image'
b = np.empty(len(images), dtype = a.dtype)
for i, image in enumerate(images):
m = a['image'] == image
b[i] = (image,) + tuple(a[m][n].mean() for n in a.dtype.names[1:])
:(Peut-être que ce n'est pas beaucoup mieux ... désolé pour l'exagération Cependant, il vaut la peine de vous présenter des tableaux structurés, à regarder.. b
:
In [3]: b
Out[3]:
array([('viola.jpg', 0.6833333333333332, 2.101665962246667, 63),
('vlasta.jpg', 0.84, 1.4326296718, 81)],
dtype=[('image', '|S12'), ('someval', '<f8'), ('another', '<f8'), ('someid', '<i8')])
In [4]: b['image']
Out[4]:
array(['viola.jpg', 'vlasta.jpg'],
dtype='|S12')
In [5]: b['someval']
Out[5]: array([ 0.68333333, 0.84 ])
In [6]: b[1]
Out[6]: ('vlasta.jpg', 0.84, 1.4326296718, 81)
In [7]: b[b['image']=='viola.jpg']
Out[7]:
array([('viola.jpg', 0.6833333333333332, 2.101665962246667, 63)],
dtype=[('image', '|S12'), ('someval', '<f8'), ('another', '<f8'), ('someid', '<i8')])
avec ce que vous commencez avec la question, vous pouvez faire quelque chose comme ceci:
a = np.array([['viola.jpg', '0.81', '1.0693461723', '100'],
['viola.jpg', '0.44', '1.3146908692', '18'],
['viola.jpg', '0.8', '3.9209608452', '73'],
['vlasta.jpg', '0.88', '1.3655912339', '110'],
['vlasta.jpg', '0.88', '1.8812649300', '45'],
['vlasta.jpg', '0.76', '1.0510328514', '88']])
uniques = np.uniques(a[:,0])
b = np.empty((len(uniques), len(a[0])), dtype = 'S12')
for i,s in enumerate(uniques):
m = a[:,0] == s
b[i] = [s] + [a[m,j].astype(float).mean() for j in [1,2]] + [int(a[m,3].astype(float).mean())]
print b
#[['viola.jpg' '0.6833333333' '2.1016659622' '64']
# ['vlasta.jpg' '0.84' '1.4326296717' '81']]
Si vous utilisez une meilleure stru de données Il est BEAUCOUP plus facile de garder une trace de ce qui est un float
, int
, et string
. Pour preuve, voir la réponse @ HYRY.
-ce que ces listes? Et sont ces chaînes réelles au lieu de chiffres? Aussi, ** qu'avez-vous essayé jusqu'ici? ** –
* les valeurs peuvent ne pas être correctes dans mon exemple *? Ce serait bien si en effet vous saviez à quelles valeurs s'attendre. Aussi - quelles tentatives avez-vous faites pour trouver des solutions à ce problème - sur quoi êtes-vous collé, etc ...? –
ye olde itertools.groupby et probablement une compréhension de liste imbriquée vous mènera loin – YXD