假设我有个同学（串）和考试成绩（整数），其中每个条目的分数上的特定测试获得了特定学生的结构数组。 每个学生都有这个阵列中的多个条目，自然。
例
import numpy
grades = numpy.array([('Mary', 96), ('John', 94), ('Mary', 88), ('Edgar', 89), ('John', 84)],
dtype=[('student', 'a50'), ('score', 'i')])
print grades
#[('Mary', 96) ('John', 94) ('Mary', 88) ('Edgar', 89) ('John', 84)]
如何轻松地计算每个学生的平均成绩？ 换句话说，我怎么走阵的平均值在“分数”维度？ 我想这样做
grades.mean('score')
并有NumPy的回报
[('Mary', 92), ('John', 89), ('Edgar', 89)]
但NumPy的抱怨
TypeError: an integer is required
是否有一个numpy的式的方法可以轻松地做到这一点？ 我想这可能涉及采取结构化阵列的观点与不同的D型。 任何帮助，将不胜感激。 谢谢。
编辑
>>> grades = numpy.zeros(5, dtype=[('student', 'a50'), ('score', 'i'), ('testid', 'i'])
>>> grades[0] = ('Mary', 96, 1)
>>> grades[1] = ('John', 94, 1)
>>> grades[2] = ('Mary', 88, 2)
>>> grades[3] = ('Edgar', 89, 1)
>>> grades[4] = ('John', 84, 2)
>>> np.mean(grades, 'testid')
TypeError: an integer is required
NumPy的目的不是要能够组行一起，将集合函数应用于这些组中。 你可以：
- 使用
itertools.groupby和重构阵列; - 使用熊猫 ，这是基于NumPy的，是在分组很大; 要么
- 添加另一个维度的数组中测试ID（所以这种情况是2×3的阵列，因为它看起来像有两个测试）。
这里的itertools解决方案，但你可以看到它是相当复杂和低效。 我建议其他两种方法之一。
np.array([(k, np.array(list(g), dtype=grades.dtype).view(np.recarray)['score'].mean())
for k, g in groupby(np.sort(grades, order='student').view(np.recarray),
itemgetter('student'))], dtype=grades.dtype)
matplotlib.mlab.rec_groupby正是我一直在寻找。
一点点更快和更简单的解决方案基于itertools ，而不使用图（），是
[(k,e['score'][list(g)].mean()) for k, g in groupby(argsort(e),e['student'].__getitem__ )]
这是ecatmur同样的想法，但采用argsort）在指数方面的工作（而不是排序。
collapseByField（等级，“学生”），给你想要的东西，后：
def collapseByField(e,collapsefield,keepFields=None,agg=None):
import numpy as np
assert isinstance(e,np.ndarray) # Structured array
if agg is None:
agg=np.mean
if keepFields is None:
newf=[(n,agg,n) for n in e.dtype.names if n not in (collapsefield)]
import matplotlib as mpl
return(mpl.mlab.rec_groupby(e,[collapsefield],newf))
