Python np.append 不适用于 numpy.ndarray 类型的字典值

Question

我有一个函数，它给定两个 numpy 数组，将它们转换为字典，如下所示

def seggregate_based_on_y(X,y):
    dictionary={}
    for index in range(len(y)):
        if y[index] in dictionary.keys():
            np.append(dictionary[y[index]],X[index])
        else:
            dictionary[y[index]]=np.array([X[index]])
    return dictionary

用于以下输入

X=np.array([[1,1],[2,2],[3,3],[4,4],[5,5]])
y=np.array([2,3,2,3,4])
d=seggregate_based_on_y(X,y)
print(d)

我希望 'd' 为 {2: array([[1, 1],[3,3]]), 3: array([[2, 2],[4,4]]), 4: array([[5, 5]])}，但我得到的 'd' 为 {2: array([[1, 1]]), 3: array([[2, 2]]), 4: array([[5, 5]])}，即 if 语句不起作用。应该怎么做？

Answer 1

首先，就像 cmets 所说，您必须为字典分配新值。请参阅以下修复：

def seggregate_based_on_y(X,y):
    dictionary={}
    for index in range(len(y)):
        if y[index] in dictionary.keys():
            dictionary[y[index]] = np.append(dictionary[y[index]],X[index])
        else:
            dictionary[y[index]]=np.array([X[index]])
    return dictionary

使用给定的数据输出：

{2: array([1, 1, 3, 3]), 3: array([2, 2, 4, 4]), 4: array([[5, 5]])}

这与您的预期结果不同，因为np.append 将附加到同一个向量。要获得所需的输出，请使用np.vstack

def seggregate_based_on_y(X,y):
    dictionary={}
    for index in range(len(y)):
        if y[index] in dictionary.keys():
            dictionary[y[index]] = np.vstack((dictionary[y[index]],X[index]))
        else:
            dictionary[y[index]]=np.array([X[index]])
    return dictionary

这里的输出是：

{2: array([[1, 1],
       [3, 3]]), 3: array([[2, 2],
       [4, 4]]), 4: array([[5, 5]])}

我希望这会有所帮助。

Answer 2

你可以使用内置函数zip:

def seggregate_based_on_y(X,y):
    d = {}
    for k, v in zip(y, X):
        if k in d:
            d[k] = np.append(d[k], v.reshape(1, 2), axis=0)
        else:
            d[k] = v.reshape(1, 2)

    return d


X=np.array([[1,1],[2,2],[3,3],[4,4],[5,5]])
y=np.array([2,3,2,3,4])
print(seggregate_based_on_y(X,y))

输出：

{2: array([[1, 1],
        [3, 3]]), 3: array([[2, 2],
        [4, 4]]), 4: array([[5, 5]])}

Answer 3

试试这个

import numpy as np

def seggregate_based_on_y(X,y):
    dictionary={}
    for index in range(len(y)):
        if y[index] in dictionary.keys():
            z = np.append(dictionary[y[index]], X[index])
            dictionary[y[index]] = z.reshape(z.size // 2, 2)

        else:
            dictionary[y[index]]=np.array([X[index]])
    return dictionary

X=np.array([[1,1],[2,2],[3,3],[4,4],[5,5]])
y=np.array([2,3,2,3,4])
d=seggregate_based_on_y(X,y)
print(d)

输出：

{2: array([[1, 1],[3, 3]]), 3: array([[2, 2],[4, 4]]), 4: array([[5, 5]])}

Answer 4

defaultdict 可以轻松完成此类收集：

In [268]: from collections import defaultdict                                                          
In [269]: x = [[1,1],[2,2],[3,3],[4,4],[5,5]]                                                          
In [270]: y = [2,3,2,3,4]                                                                              
In [271]: dd = defaultdict(list)                                                                       
In [272]: for i,j in zip(y, x): 
     ...:     dd[i].append(j) 
     ...:                                                                                              
In [273]: dd                                                                                           
Out[273]: defaultdict(list, {2: [[1, 1], [3, 3]], 3: [[2, 2], [4, 4]], 4: [[5, 5]]})

如果结果必须是数组而不是列表，则可以转换为：

In [274]: d = {k: np.array(dd[k]) for k in dd}                                                         
In [275]: d                                                                                            
Out[275]: 
{2: array([[1, 1],
        [3, 3]]), 3: array([[2, 2],
        [4, 4]]), 4: array([[5, 5]])}

列表追加比np.append（或任何numpyconcatenate 系列函数）快。列表追加就地操作。

defaultdict 可以直接构建一个数组（但我希望这会更慢）：

In [280]: dd = defaultdict(lambda:np.zeros((0,2),int))                                                 
In [281]: for i,j in zip(y, x): 
     ...:     dd[i] = np.vstack((dd[i],j)) 
     ...:                                                                                              
In [282]: dd                                                                                           
Out[282]: 
defaultdict(<function __main__.<lambda>()>, {2: array([[1, 1],
                    [3, 3]]), 3: array([[2, 2],
                    [4, 4]]), 4: array([[5, 5]])})