覆盖字典行为Python3

Question

我是使用Python的初学者，正在尝试在字典中使用搜索功能来搜索键为点坐标（2）的numpy数组的键。 所以，我想要的是：一个字典，其键是numpy数组，其值是整数。 然后，将使用in运算符使用一些公差度量（numpy.allclose函数）来比较键。 我知道numpy数组不是可散列的，所以我必须重写getitem和setitem函数（基于我在如何正确地将dict子类化并重写__getitem__和__setitem__中找到的内容 ）。 但是，如何使这些可哈希化以将它们添加为字典中的键？ 在这种情况下，如何覆盖in运算符的行为？

谢谢您的帮助！

Answer 1

Numpy数组不可散列，而元组则可。 因此，如果将数组变成元组，则可以对数组进行哈希处理。 从理论上讲，如果您也事先对其进行了四舍五入，则可以利用快速查找的优势，因为您现在拥有离散点。 但是，由于四舍五入是使用十进制基数完成的，而数字是以二进制存储的，因此在重新转换期间会遇到分辨率问题。 可以通过将其转换为可缩放的整数来规避此问题，但这会使一切变慢。

最后，您只需要编写一个类即可在数组和元组之间进行实时转换，就可以了。
一个实现可能看起来像这样：

import numpy as np

class PointDict(dict):

    def __init__(self, precision=5):
        super(PointDict, self).__init__()
        self._prec = 10**precision

    def decode(self, tup):
        """
        Turns a tuple that was used as index back into a numpy array.
        """
        return np.array(tup, dtype=float)/self._prec

    def encode(self, ndarray):
        """
        Rounds a numpy array and turns it into a tuple so that it can be used
        as index for this dict.
        """
        return tuple(int(x) for x in ndarray*self._prec)

    def __getitem__(self, item):
        return self.decode(super(PointDict, self).__getitem__(self.encode(item)))

    def __setitem__(self, item, value):
        return super(PointDict, self).__setitem__(self.encode(item), value)

    def __contains__(self, item):
        return super(PointDict, self).__contains__(self.encode(item))

    def update(self, other):
        for item, value in other.items():
            self[item] = value

    def items(self):
        for item in self:
            yield (item, self[item])

    def __iter__(self):
        for item in super(PointDict, self).__iter__():
            yield self.decode(item)

当查找很多点时，具有矢量化批处理写入/查找功能的纯numpy解决方案可能会更好。 但是，此解决方案易于理解和实施。

Answer 2

代替numpy数组，使用2元组的float作为键。 元组是不可哈希的，因为它们是不可变的。

Python字典在后台使用哈希表来快速查找键。

编写closeto函数并不难。

def closeto(a, b, limit=0.1):
    x, y = a
    p, q = b
    return (x-p)**2 + (y-q)**2 < limit**2

这可用于查找接近的点。 但是随后您必须遍历所有键，因为键查找是准确的。 但是，如果你在修真做到这一点的迭代，它比它快得多for -loop。

测试（在IPython中，使用Python 3）：

In [1]: %cpaste
Pasting code; enter '--' alone on the line to stop or use Ctrl-D.
:    def closeto(a, b, limit=0.1):
:        x, y = a
:        p, q = b
:        return (x-p)**2 + (y-q)**2 < limit**2
:--

In [2]: d = {(0.0, 0.0): 12, (1.02, 2.17): 32, (2.0, 4.2): 23}

In [3]: {k: v for k, v in d.items() if closeto(k, (1.0, 2.0), limit=0.5)}
Out[3]: {(1.02, 2.17): 32}

Answer 3

将数组转换为可哈希的元组：

In [18]: a1 = np.array([0.5, 0.5])

In [19]: a2 = np.array([1.0, 1.5])

In [20]: d = {}

In [21]: d[tuple(a1)] = 14

In [22]: d[tuple(a2)] = 15

In [23]: d
Out[23]: {(0.5, 0.5): 14, (1.0, 1.5): 15}

In [24]: a3 = np.array([0.5, 0.5])

In [25]: a3 in d
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
<ipython-input-25-07c81d61b999> in <module>()
----> 1 a3 in d

TypeError: unhashable type: 'numpy.ndarray'

In [26]: tuple(a3) in d
Out[26]: True

不幸的是，由于您想对比较施加公差，因此您没有太多选择，只能遍历所有键以寻找“接近”匹配，无论是将其实现为函数还是内联。