解压缩坐标和值的字典

Question

我希望填充值x ， y和z ，其中x是x坐标， y是y坐标， z是每个坐标的关联值，由p定义。 我是这样做的：

p = {(1,2): 10, (0,2):12, (2,0):11}
k,z = np.array(list(zip(*p.items())))
x,y = np.array(list(zip(*k)))

还有另一种更易读的方式吗？ 这可能是numpy或scipy有什么用呢？

为什么z导致array([10, 11, 12], dtype=object) ，而x和y不包括dtype=object ？

Answer 1

作为一个班轮怎么样？

x, y, z = np.array([(x, y, z) for (x, y), z in p.items()]).T

这样可以更清楚地显示值的来源，而不需要不必要的和未使用的k 。 此外，你不应该有这个问题的dtype问题。

Answer 2

为什么dtype = object？

考虑第二行，现在只有一个变量赋值：

w = np.array(list(zip(*p.items())))
print(w)

这里， w成为由一行元组和一行整数组成的数组。 每当涉及这种混合类型时，都使用通用object数据类型（ dtype ）。 在你的代码中，你实际上有k, z = w ，所以即使int存储在z ，它们也会保留它们的dtype （ object ）。

更干净的方式

在一行中我们可以做到

x, y, z = np.array([(x, y, z) for (x, y), z in p.items()]).T

这里，生成存储形式(x, y, z)元组的列表。 然后将其转换为2D NumPy数组。 最后，将该数组（或矩阵）转置（ .T ），然后分配给x ， y和z 。 否则需要换位，矩阵的行将分配给x ， y和z （尝试省略.T并自己查看效果）。

Answer 3

如果您使用Pandas，解决方案将非常易读：

import pandas as pd
data = pd.Series(p)
#0  2    12
#1  2    10
#2  0    11

如果最终你想要numpy数组：

x = data.reset_index()['level_0'].values
y = data.reset_index()['level_1'].values
z = data.values

Answer 4

既然我喜欢numpy，我会选择以下内容：

keys = np.array(list(p.keys()))
vals = np.matrix(list(p.values()))
comb = np.concatenate((keys, vals.T), axis=1)
x, y, z = comb.T

可读性取决于如何习惯numpy。

那里有两个技巧。 首先，如果字典没有改变，字典项的排序不会改变，所以我们可以分别调用键和值。 第二种是使用np.matrix作为值，以便转置起作用，因为在numpy中转换1D数组是一个nop。