使用对象值的numpy数组

如何解决使用对象值的numpy数组

我有一个对象-> {0：0.8，1：0.2，2：0，3：0}

我想将其转换为一个numpy数组，其中键是索引，值是数组的值-> [0.8，0.2，0，0]

最快，最有效的方法是什么？

我正在使用for循环，但是有更好的方法吗？

解决方法

假设您的字典称为dict：

numpy_array = np.array([*dict.values()])

,

keys，items和values是从字典中获取“事物”的最快方法。否则，您必须迭代键。允许跳过索引和乱序索引的通用方法：

In [81]: adict = {0: 0.8,1: 0.2,2: 0,3: 0}                                                        
In [82]: keys = list(adict.keys())                                                                   
In [83]: arr = np.zeros(max(keys)+1)    # or set your own size                                                                 
In [84]: arr[keys] = list(adict.values())                                                            
In [85]: arr                                                                                         
Out[85]: array([0.8,0.2,0.,0. ])

,

以上答案给出了dict_values，但方向正确

正确的方法是：

d = {0: 0.8,3: 0}
np_array = np.array(list(d.values()))

,

词典本质上是无序的。您需要根据键对值进行排序（假设字典中没有丢失的键）：

a = {0: 0.8,3: 0}
np.array([i[1] for i in sorted(a.items(),key=lambda x:x[0])])

另一种实现方法是按numpy排序：

b = np.array(list(a.items()))
b[b[:,0].argsort()][:,1]

输出：

[0.8,0]

,

输入字典未排序或缺少值的解决方案：

d = {1:1.1,2:2.2,0: 0.8,4:4.4}
sz = 1+max(d.keys())   # or len(d) if you are sure there are no missing values 
x = np.full(sz,np.nan)
x[list(d.keys())] = list(d.values())
x
#array([0.8,1.1,2.2,nan,4.4])