解壓縮坐標和值的字典

Question

我希望填充值x ， y和z ，其中x是x坐標， y是y坐標， z是每個坐標的關聯值，由p定義。 我是這樣做的：

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)))

還有另一種更易讀的方式嗎？ 這可能是numpy或scipy有什么用呢？

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

Answer 1

作為一個班輪怎么樣？

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

這樣可以更清楚地顯示值的來源，而不需要不必要的和未使用的k 。 此外，你不應該有這個問題的dtype問題。

Answer 2

為什么dtype = object？

考慮第二行，現在只有一個變量賦值：

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

這里， w成為由一行元組和一行整數組成的數組。 每當涉及這種混合類型時，都使用通用object數據類型（ dtype ）。 在你的代碼中，你實際上有k, z = w ，所以即使int存儲在z ，它們也會保留它們的dtype （ object ）。

更干凈的方式

在一行中我們可以做到

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

這里，生成存儲形式(x, y, z)元組的列表。 然后將其轉換為2D NumPy數組。 最后，將該數組（或矩陣）轉置（ .T ），然后分配給x ， y和z 。 否則需要換位，矩陣的行將分配給x ， y和z （嘗試省略.T並自己查看效果）。

Answer 3

如果您使用Pandas，解決方案將非常易讀：

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

如果最終你想要numpy數組：

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

Answer 4

既然我喜歡numpy，我會選擇以下內容：

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

可讀性取決於如何習慣numpy。

那里有兩個技巧。 首先，如果字典沒有改變，字典項的排序不會改變，所以我們可以分別調用鍵和值。 第二種是使用np.matrix作為值，以便轉置起作用，因為在numpy中轉換1D數組是一個nop。