字典键和值以分隔 numpy 数组答案

【问题标题】：Dictionary keys and values to separate numpy arrays字典键和值以分隔 numpy 数组
【发布时间】：2014-07-03 07:50:04
【问题描述】：

我有一本字典

Samples = {5.207403005022627: 0.69973543384229719, 6.8970222167794759: 0.080782939731898179, 7.8338517407140973: 0.10308033284258854, 8.5301143255505334: 0.018640838362318335, 10.418899728838058: 0.14427355015329846, 5.3983946820220501: 0.51319796560976771}

我想将keys 和values 分成2 个numpy 数组。我试过np.array(Samples.keys(),dtype=np.float)，但我收到错误TypeError: float() argument must be a string or a number

【问题讨论】：

标签： python arrays numpy dictionary

【解决方案1】：

您可以使用np.fromiter 直接从字典键和值视图创建numpy 数组：

在 python 3 中：

keys = np.fromiter(Samples.keys(), dtype=float)
vals = np.fromiter(Samples.values(), dtype=float)

在 python 2 中：

keys = np.fromiter(Samples.iterkeys(), dtype=float)
vals = np.fromiter(Samples.itervalues(), dtype=float)

【讨论】：

【解决方案2】：

在 python 3.4 上，以下操作很简单：

Samples = {5.207403005022627: 0.69973543384229719, 6.8970222167794759: 0.080782939731898179, 7.8338517407140973: 0.10308033284258854, 8.5301143255505334: 0.018640838362318335, 10.418899728838058: 0.14427355015329846, 5.3983946820220501: 0.51319796560976771}

keys = np.array(list(Samples.keys()))
values = np.array(list(Samples.values()))

np.array(Samples.values()) 没有给出你在 Python 3 中所期望的原因是，在 Python 3 中，dict 的 values() 方法返回一个可迭代的视图，而在 Python 2 中，它返回一个实际的键列表.

keys = np.array(list(Samples.keys())) 实际上也可以在 Python 2.7 中工作，并且会使您的代码与版本无关。但是对list() 的额外调用会稍微减慢它的速度。

【讨论】：

list() 可能不是一个好的选择，因为它可能会混淆值，因为数据索引非常重要。

【解决方案3】：

在 Python 3.7 中：

import numpy as np

Samples = {5.207403005022627: 0.69973543384229719, 6.8970222167794759: 0.080782939731898179, 7.8338517407140973: 0.10308033284258854, 8.5301143255505334: 0.018640838362318335, 10.418899728838058: 0.14427355015329846, 5.3983946820220501: 0.51319796560976771}

keys = np.array(list(Samples.keys()))
vals = np.array(list(Samples.values()))

注意：重要的是要说，在这个 Python 版本中，dict.keys() 和 dict.values() 分别返回 dict_keys 和 dict_values 类型的对象。

【讨论】：

【解决方案4】：

如果您关心速度（Python 3.7）

rnd = np.random.RandomState(10)

for i in [10,100,1000,10000,100000]:
    test_dict = {j:j for j in rnd.uniform(-100,100,i)}
    assert len(test_dict) == i
    print(f"\nFor {i} keys\n-----------")
    
    %timeit keys = np.fromiter(test_dict.keys(), dtype=float)
    
    %timeit keys = np.array(list(test_dict.keys()))

np.fromiter 快 5-7 倍

For 10 keys
-----------
712 ns ± 4.77 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
1.65 µs ± 9.15 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

For 100 keys
-----------
1.87 µs ± 13.7 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
8.02 µs ± 22.3 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

For 1000 keys
-----------
13.7 µs ± 27.7 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
70.5 µs ± 251 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)

For 10000 keys
-----------
128 µs ± 70.6 ns per loop (mean ± std. dev. of 7 runs, 10000 loops each)
698 µs ± 455 ns per loop (mean ± std. dev. of 7 runs, 1000 loops each)

For 100000 keys
-----------
1.45 ms ± 374 ns per loop (mean ± std. dev. of 7 runs, 1000 loops each)
7.14 ms ± 6.1 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

【讨论】：

【解决方案5】：

只需将所有值分配给一个列表，然后转换为np.array()。

import numpy as np

Samples = {5.207403005022627: 0.69973543384229719, 6.8970222167794759: 0.080782939731898179, 7.8338517407140973: 0.10308033284258854, 8.5301143255505334: 0.018640838362318335, 10.418899728838058: 0.14427355015329846, 5.3983946820220501: 0.51319796560976771}

keys = np.array(Samples.keys())
vals = np.array(Samples.values())

或者，如果you want to iterate over it：

import numpy as np

Samples = {5.207403005022627: 0.69973543384229719, 6.8970222167794759: 0.080782939731898179, 7.8338517407140973: 0.10308033284258854, 8.5301143255505334: 0.018640838362318335, 10.418899728838058: 0.14427355015329846, 5.3983946820220501: 0.51319796560976771}

keys = vals = []

for k, v in Samples.items():
    keys.append(k)
    vals.append(v)

keys = np.array(keys)
vals = np.array(vals)

【讨论】：

你能遍历这个数组吗？
你想迭代它吗？如果是这样，那么是的。
当你做keys = np.array(Samples.keys())时，你可以迭代吗？

【解决方案6】：

keys = np.array(dictionary.keys())
values = np.array(dictionary.values())

【讨论】：

不，它不起作用（至少在 python 3.4 中）： >> np.array(Samples.keys()) Out[15]: array(dict_keys([5.207403005022627, 6.897022216779476, 7.833851740714097, 8.530114325550533, 10.418899728838058, 5.39839468202205]), dtype=object) 这不是你想要的！