numpy中如何按np.where返回的首数组元素分组次数组并取各分组中心值

步骤1：接收np.where返回的匹配结果 #

首先拿到分组编号数组和对应的位置数组：

import numpy as np

a = np.array([[383, 383, 384, 384, 384, 384, 384, 384, 384, 421, 422, 422, 422, 422, 423, 423, 423, 423, 423, 423, 479, 480, 481, 482, 483, 485, 485, 485, 485, 485, 485, 485, 513, 515, 517]])
b = np.array([384, 423, 485])
group_idx, pos_arr = np.where(a == b[:, None])

步骤2：按分组编号聚合位置得到嵌套列表 #

提供两种实现方式可选：

方式1：numpy原生实现（性能更高，适合大数据量） #

利用group_idx同组值连续的特性直接切割：

# 定位分组切割点
split_points = np.where(np.diff(group_idx) != 0)[0] + 1
# 切割位置数组得到分组
grouped = np.split(pos_arr, split_points)
# 转换为嵌套列表
grouped_list = [sub.tolist() for sub in grouped]

方式2：Python原生字典实现（逻辑更直观） #

from collections import defaultdict

group_map = defaultdict(list)
for g, pos in zip(group_idx, pos_arr):
    group_map[g].append(pos)
# 按分组编号排序得到最终嵌套列表
grouped_list = [val for key, val in sorted(group_map.items())]

两种方式输出的grouped_list均为：
[[2, 3, 4, 5, 6, 7, 8], [14, 15, 16, 17, 18, 19], [25, 26, 27, 28, 29, 30, 31]]

步骤3：计算每个子列表的中心值 #

根据你对中心值的定义选择对应的实现：

• 数值中位数（偶数长度取两数平均）：

  centers = [np.median(sub) for sub in grouped]
  # 输出：[5.0, 16.5, 28.0]
  

• 索引中心（取子列表中间位置的元素，偶数长度默认取中间偏左）：

  centers = [sub[len(sub)//2] for sub in grouped_list]
  # 输出：[5, 16, 28]
  

内容的提问来源于stack exchange，提问作者baronsec