如何使用Python的NumPy按年份对数据进行求和聚合

先看原始数据：

2012 $20,000
2012 $20,000
2013 $10,000
2014 $10,000
2014 $10,000

要实现按年份聚合求和得到[40000, 10000, 20000]，分两步操作：

第一步：预处理数据 #

原始数据是字符串格式，得先拆成年份和金额字段，再把金额里的$和逗号去掉转成整数，最后转换成NumPy能处理的数组格式。

第二步：按年份分组求和 #

用NumPy的unique函数提取不重复的年份，再针对每个年份筛选对应金额并求和即可。

具体代码实现（两种方式可选） #

方式一：用bincount高效求和（适合大数据量）

import numpy as np

# 模拟原始数据，实际可从文件读取
raw_data = [
    "2012 $20,000",
    "2012 $20,000",
    "2013 $10,000",
    "2014 $10,000",
    "2014 $10,000"
]

# 拆分并清洗数据
years = []
amounts = []
for line in raw_data:
    year, amt = line.split()
    years.append(int(year))
    # 去掉$和逗号，转成整数
    clean_amt = int(amt.replace("$", "").replace(",", ""))
    amounts.append(clean_amt)

# 转成NumPy数组
years_np = np.array(years)
amounts_np = np.array(amounts)

# 获取唯一年份及对应的分组索引
unique_years, group_indices = np.unique(years_np, return_inverse=True)

# 按分组求和
summed = np.bincount(group_indices, weights=amounts_np)

print(summed)  # 输出：[40000 10000 20000]

方式二：遍历唯一年份求和（逻辑更直观）

import numpy as np

# 同样的预处理步骤
raw_data = [
    "2012 $20,000",
    "2012 $20,000",
    "2013 $10,000",
    "2014 $10,000",
    "2014 $10,000"
]

years = []
amounts = []
for line in raw_data:
    year, amt = line.split()
    years.append(int(year))
    clean_amt = int(amt.replace("$", "").replace(",", ""))
    amounts.append(clean_amt)

years_np = np.array(years)
amounts_np = np.array(amounts)

# 提取不重复的年份
unique_years = np.unique(years_np)
summed = []

# 遍历每个年份，筛选对应金额求和
for year in unique_years:
    total = amounts_np[years_np == year].sum()
    summed.append(total)

summed = np.array(summed)
print(summed)  # 输出：[40000 10000 20000]

内容的提问来源于stack exchange，提问作者wRONGx