python dict到numpy结构化数组

Question

我有一本需要转换为 NumPy 结构化数组的字典。 我正在使用 arcpy 函数NumPyArraytoTable ，因此 NumPy 结构化数组是唯一NumPyArraytoTable的数据格式。

基于此线程： Writing to numpy array from dictionary和此线程： How to convert Python dictionary object to numpy array

我试过这个：

result = {0: 1.1181753789488595, 1: 0.5566080288678394, 2: 0.4718269778030734, 3: 0.48716683119447185, 4: 1.0, 5: 0.1395076201641266, 6: 0.20941558441558442}

names = ['id','data']
formats = ['f8','f8']
dtype = dict(names = names, formats=formats)
array=numpy.array([[key,val] for (key,val) in result.iteritems()],dtype)

但我一直expected a readable buffer object

下面的方法有效，但很愚蠢，显然不适用于真实数据。 我知道有一种更优雅的方法，我只是想不通。

totable = numpy.array([[key,val] for (key,val) in result.iteritems()])
array=numpy.array([(totable[0,0],totable[0,1]),(totable[1,0],totable[1,1])],dtype)

Answer 1

您可以使用np.array(list(result.items()), dtype=dtype) ：

import numpy as np
result = {0: 1.1181753789488595, 1: 0.5566080288678394, 2: 0.4718269778030734, 3: 0.48716683119447185, 4: 1.0, 5: 0.1395076201641266, 6: 0.20941558441558442}

names = ['id','data']
formats = ['f8','f8']
dtype = dict(names = names, formats=formats)
array = np.array(list(result.items()), dtype=dtype)

print(repr(array))

产量

array([(0.0, 1.1181753789488595), (1.0, 0.5566080288678394),
       (2.0, 0.4718269778030734), (3.0, 0.48716683119447185), (4.0, 1.0),
       (5.0, 0.1395076201641266), (6.0, 0.20941558441558442)], 
      dtype=[('id', '<f8'), ('data', '<f8')])

---

如果您不想创建元组的中间列表list(result.items()) ，那么您可以改用np.fromiter ：

在 Python2 中：

array = np.fromiter(result.iteritems(), dtype=dtype, count=len(result))

在 Python3 中：

array = np.fromiter(result.items(), dtype=dtype, count=len(result))

---

为什么使用列表[key,val]不起作用：

顺便说一句，你的尝试，

numpy.array([[key,val] for (key,val) in result.iteritems()],dtype)

非常接近工作。 如果您将列表[key, val]更改为元组(key, val) ，那么它会起作用。 当然，

numpy.array([(key,val) for (key,val) in result.iteritems()], dtype)

是一样的

numpy.array(result.items(), dtype)

在 Python2 中，或

numpy.array(list(result.items()), dtype)

在 Python3 中。

---

np.array对待列表的方式与元组不同： Robert Kern 解释说：

通常，元组被认为是“标量”记录并且列表被递归。 这个规则帮助 numpy.array() 找出哪些序列是记录，哪些是要递归的其他序列； 即哪些序列创建另一个维度，哪些是原子元素。

由于(0.0, 1.1181753789488595)被认为是这些原子元素之一，它应该是一个元组，而不是一个列表。

Answer 2

如果您接受使用 pandas 则更简单：

import pandas
result = {0: 1.1181753789488595, 1: 0.5566080288678394, 2: 0.4718269778030734, 3: 0.48716683119447185, 4: 1.0, 5: 0.1395076201641266, 6: 0.20941558441558442}
df = pandas.DataFrame(result, index=[0])
print df

给出：

          0         1         2         3  4         5         6
0  1.118175  0.556608  0.471827  0.487167  1  0.139508  0.209416

Answer 3

当字典的值是具有相同长度的列表时，让我提出一种改进的方法：

import numpy

def dctToNdarray (dd, szFormat = 'f8'):
    '''
    Convert a 'rectangular' dictionnary to numpy NdArray
    entry 
        dd : dictionnary (same len of list 
    retrun
        data : numpy NdArray 
    '''
    names = dd.keys()
    firstKey = dd.keys()[0]
    formats = [szFormat]*len(names)
    dtype = dict(names = names, formats=formats)
    values = [tuple(dd[k][0] for k in dd.keys())]
    data = numpy.array(values, dtype=dtype)
    for i in range(1,len(dd[firstKey])) :
        values = [tuple(dd[k][i] for k in dd.keys())]
        data_tmp = numpy.array(values, dtype=dtype)
        data = numpy.concatenate((data,data_tmp))
    return data

dd = {'a':[1,2.05,25.48],'b':[2,1.07,9],'c':[3,3.01,6.14]}
data = dctToNdarray(dd)
print data.dtype.names
print data

Answer 4

我更喜欢将键和值存储在单独的数组上。 这我往往更实用。 数组结构是结构数组的完美替代品。 由于大多数情况下您只需要处理数据的一个子集（在这种情况下，键或值，仅使用两个数组中的一个进行操作比将两个数组中的一半放在一起操作更有效。

但如果这种方式是不可能的，我建议使用按列而不是按行排序的数组。 通过这种方式，您将获得与拥有两个数组相同的好处，但只打包在一个中。

import numpy as np
result = {0: 1.1181753789488595, 1: 0.5566080288678394, 2: 0.4718269778030734, 3: 0.48716683119447185, 4: 1.0, 5: 0.1395076201641266, 6: 0.20941558441558442}

names = 0
values = 1
array = np.empty(shape=(2, len(result)), dtype=float)
array[names] = result.keys()
array[values] = result.values()

但我最喜欢的是这个（更简单）：

import numpy as np
result = {0: 1.1181753789488595, 1: 0.5566080288678394, 2: 0.4718269778030734, 3: 0.48716683119447185, 4: 1.0, 5: 0.1395076201641266, 6: 0.20941558441558442}

arrays = {'names': np.array(result.keys(), dtype=float),
          'values': np.array(result.values(), dtype=float)}

Answer 5

与批准的答案类似。 如果要从字典键创建数组：

np.array( tuple(dict.keys()) )

如果要从字典值创建数组：

np.array( tuple(dict.values()) )