如何获取numpy数组A中每个类别对应的数组B的近似值集合

实现方案 #

方法1：字典+zip修正版（适配你之前的实现思路） #

你之前用zip实现失败大概率是没有处理同标签值的追加逻辑，修正后代码如下：

import numpy as np

# 示例输入数据
A = np.array([-100, -100, -88, 87, 85, 32, 32, 32])
B = np.array([-100.3, -100.1, -86.5, 87.3, 85.5, 32.6,32.1,32.5])

res = {}
for label, val in zip(A, B):
    # 标签不存在时初始化空列表，存在时直接追加值
    if label not in res:
        res[label] = []
    res[label].append(val)

# 若需要按数值升序排列每个标签下的近似值，新增以下步骤
for k in res:
    res[k].sort()

运行后直接取res[-100]即可得到[-100.3, -100.1]，res[32]可得到[32.1, 32.5, 32.6]，完全匹配需求。

方法2：Numpy原生实现（更适合大数组场景） #

如果后续数组规模增大，用Numpy自带的布尔索引实现效率更高，代码更简洁：

import numpy as np

A = np.array([-100, -100, -88, 87, 85, 32, 32, 32])
B = np.array([-100.3, -100.1, -86.5, 87.3, 85.5, 32.6,32.1,32.5])

# 提取所有唯一分类标签
unique_labels = np.unique(A)
# 按标签筛选对应B的元素
res = {label: B[A == label] for label in unique_labels}

# 排序逻辑同上
for k in res:
    res[k].sort()

格式输出 #

如果需要打印你示例中的格式，新增以下代码即可：

for label, vals in res.items():
    print(f"for {label}:{','.join(map(str, vals))}")

内容的提问来源于stack exchange，提问作者Karthik N