如何按矩阵分组标识对对应位置数值求和？附示例

嘿，我来帮你搞定这个需求！本质上咱们就是要根据第一行的标识，对第二行对应位置的数值做分组求和，下面给你两种常用工具的实现方法，按需选用就行：

方法1：Matlab实现 #

你的矩阵格式看起来很贴合Matlab的写法，先给你对应代码：

A = [1 2 2 2 3 3 ; 0.1 0.2 0.3 0.05 0.2 0.8];
% 拆分标识行和数值行
labels = A(1,:);
values = A(2,:);

% 获取唯一标识并分组求和
unique_labels = unique(labels);
result = zeros(size(unique_labels));

for i = 1:length(unique_labels)
    % 找出当前标识对应的所有位置
    idx = labels == unique_labels(i);
    % 对对应位置的数值求和
    result(i) = sum(values(idx));
end

% 按要求格式输出结果
for i = 1:length(unique_labels)
    fprintf('标识%d对应的y(%d)=%.2f\n', unique_labels(i), unique_labels(i), result(i));
end

运行后会得到你想要的结果：

标识1对应的y(1)=0.10；标识2对应的y(2)=0.55；标识3对应的y(3)=1.00

方法2：Python实现 #

如果用Python处理，推荐用numpy或者pandas，两种方式都很方便：

用numpy实现 #

import numpy as np

A = np.array([[1, 2, 2, 2, 3, 3], [0.1, 0.2, 0.3, 0.05, 0.2, 0.8]])
labels = A[0, :]
values = A[1, :]

# 获取唯一标识及对应索引，再加权求和
unique_labels, indices = np.unique(labels, return_inverse=True)
result = np.bincount(indices, weights=values)

# 输出结果
for label, res in zip(unique_labels, result):
    print(f'标识{label}对应的y({label})={res}')

用pandas实现（更直观） #

import pandas as pd

# 把数据转换成DataFrame，方便分组操作
df = pd.DataFrame({
    'label': [1, 2, 2, 2, 3, 3],
    'value': [0.1, 0.2, 0.3, 0.05, 0.2, 0.8]
})

# 按label分组求和
result = df.groupby('label')['value'].sum()

# 按要求格式输出
for label in result.index:
    print(f'标识{label}对应的y({label})={result[label]}')

核心逻辑其实很简单：先拆分出分组标识和对应数值，再按标识分组，最后对每组的数值求和，就能得到每个标识对应的y值啦～

内容的提问来源于stack exchange，提问作者Wahdan Muath