如何基于索引合并Numpy二维数组中相同x值对应的y值？

刚好遇到过类似的需求，给你两个简洁高效的实现方案，尤其适配你提到的Timestamp类型场景：

如果你的x是数值类型，用Numpy的原生方法效率极高；如果是Timestamp类型，只需要先把它转成对应的整数时间戳，处理完再转回去就行。

针对你的示例数组，代码如下：

import numpy as np

# 你的示例数组
arr = np.array([[0,0],[1,1],[2,4],[4,6],[2,2],[3,7],[1,9],[4,16],[5,1],[5,2],[0,0]])
x = arr[:, 0]
y = arr[:, 1]

# 获取唯一x值和分组索引
unique_x, group_indices = np.unique(x, return_inverse=True)
# 按索引分组求和y值
summed_y = np.bincount(group_indices, weights=y)
# 组合成结果数组
result = np.column_stack((unique_x, summed_y))
print(result)

如果x是Timestamp类型，只需要加一步类型转换：

from pandas import Timestamp
import numpy as np

# 构造含Timestamp的测试数组
ts_arr = np.array([[Timestamp('2018-01-01'), 1], 
                   [Timestamp('2018-01-01'), 3], 
                   [Timestamp('2018-01-02'), 5]], dtype=object)
x_ts = ts_arr[:, 0]
y_ts = ts_arr[:, 1].astype(int)

# 将Timestamp转为int64格式的时间戳数值
x_int = np.array([ts.value for ts in x_ts])
# 重复上面的分组求和步骤
unique_x_int, group_indices = np.unique(x_int, return_inverse=True)
summed_y_ts = np.bincount(group_indices, weights=y_ts)
# 再把int64转回Timestamp
unique_x_ts = np.array([Timestamp(int(ts_int)) for ts_int in unique_x_int])
# 得到最终结果
result_ts = np.column_stack((unique_x_ts, summed_y_ts))
print(result_ts)

Pandas对时间序列的处理天生友好，尤其是Timestamp类型，不需要额外转换，代码可读性也更强，非常适合你的实际场景：

针对示例数组的代码：

import pandas as pd
import numpy as np

# 你的示例数组
arr = np.array([[0,0],[1,1],[2,4],[4,6],[2,2],[3,7],[1,9],[4,16],[5,1],[5,2],[0,0]])
# 转成DataFrame
df = pd.DataFrame(arr, columns=['x', 'y'])
# 按x分组求和y，再重置索引
summed_df = df.groupby('x')['y'].sum().reset_index()
# 转回numpy数组
result = summed_df.to_numpy()
print(result)

针对Timestamp类型的场景，直接用就行，完全不需要额外转换：

from pandas import Timestamp
import pandas as pd
import numpy as np

# 含Timestamp的测试数组
ts_arr = np.array([[Timestamp('2018-01-01'), 1], 
                   [Timestamp('2018-01-01'), 3], 
                   [Timestamp('2018-01-02'), 5]], dtype=object)
df_ts = pd.DataFrame(ts_arr, columns=['x', 'y'])
# 确保y列是数值类型（避免object类型求和出错）
df_ts['y'] = df_ts['y'].astype(int)
# 分组求和
summed_df_ts = df_ts.groupby('x')['y'].sum().reset_index()
# 转回numpy数组
result_ts = summed_df_ts.to_numpy()
print(result_ts)

方案选择建议 #

• 如果你的数据量极大且x是纯数值类型，优先选Numpy方案，效率更高；
• 如果x是Timestamp类型，或者追求代码简洁易读，Pandas方案是最优解，几乎不需要额外处理就能完美适配。

内容的提问来源于stack exchange，提问作者Richard Lucky