Python np.append不适用于numpy.ndarray类型的字典值
我有一个函数,给定两个numpy数组,将它们转换成一个dictionary,如下所示Python np.append不适用于numpy.ndarray类型的字典值,python,arrays,numpy,append,Python,Arrays,Numpy,Append,我有一个函数,给定两个numpy数组,将它们转换成一个dictionary,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: dict
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
对于以下输入
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'是
{2:array([[1,1],[3,3]]),3:array([[2,2],[4,4]]),4:array([[5,5]])}
但我得到的'd'是{2:array([[1,1]]),3:array([[2,2]]),4:array([[5,5]])}
这是if语句不起作用。应该怎么做?您可以使用内置功能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]])}
您可以使用内置功能
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]])}
试试这个
将numpy导入为np
基于y(X,y)的def seggregate_:
字典={}
对于范围(len(y))中的索引:
如果dictionary.keys()中的y[index]:
z=np.append(字典[y[index]],X[index])
字典[y[索引]]=z.重塑(z.size//2,2)
其他:
字典[y[索引]]=np.array([X[索引]])
返回字典
X=np.数组([[1,1],[2,2],[3,3],[4,4],[5,5])
y=np.数组([2,3,2,3,4])
d=基于y(X,y)的分段
印刷品(d)
输出:
{2: array([[1, 1],[3, 3]]), 3: array([[2, 2],[4, 4]]), 4: array([[5, 5]])}
试试这个
将numpy导入为np
基于y(X,y)的def seggregate_:
字典={}
对于范围(len(y))中的索引:
如果dictionary.keys()中的y[index]:
z=np.append(字典[y[index]],X[index])
字典[y[索引]]=z.重塑(z.size//2,2)
其他:
字典[y[索引]]=np.array([X[索引]])
返回字典
X=np.数组([[1,1],[2,2],[3,3],[4,4],[5,5])
y=np.数组([2,3,2,3,4])
d=基于y(X,y)的分段
印刷品(d)
输出:
{2: array([[1, 1],[3, 3]]), 3: array([[2, 2],[4, 4]]), 4: array([[5, 5]])}
首先,正如评论所说,您必须为字典分配新值。请参阅以下修复程序:
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
根据给定的数据输出:
{2: array([1, 1, 3, 3]), 3: array([2, 2, 4, 4]), 4: array([[5, 5]])}
这与您预期的结果不同,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。首先,正如评论所说,您必须为词典分配新值。请参阅以下修复程序:
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
根据给定的数据输出:
{2: array([1, 1, 3, 3]), 3: array([2, 2, 4, 4]), 4: array([[5, 5]])}
这与您预期的结果不同,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]])}
我希望这能有所帮助。
defaultdict
这样的收集很容易:
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,则可以使用以下方法进行转换:
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]])}
列表附加比np.append
(或任何numpy
串联
函数系列)更快。列表追加操作到位
defaultdict
可以直接构建一个数组(但我希望这会更慢):
[280]中的dd=defaultdict(lambda:np.zeros((0,2),int))
在[281]中:对于i,j在zip(y,x)中:
…:dd[i]=np.vstack((dd[i],j))
...:
In[282]:dd
出[282]:
defaultdict(,{2:array([[1,1],
[3,3]]),3:array([[2,2]],
[4,4]]),4:array([[5,5]])})
defaultdict
这类收集很容易:
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,则可以使用以下方法进行转换:
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]])}
列表附加比np.append
(或任何numpy
串联
函数系列)更快。列表追加操作到位
defaultdict
可以直接构建一个数组(但我希望这会更慢):
[280]中的dd=defaultdict(lambda:np.zeros((0,2),int))
在[281]中:对于i,j在zip(y,x)中:
…:dd[i]=np.vstack((dd[i],j))
...:
In[282]:dd
出[282]:
defaultdict(,{2:array([[1,1],
[3,3]]),3:array([[2,2]],
[4,4]]),4:array([[5,5]])})
请参见append()
返回数组的一个副本,但它不在适当的位置。@MarkMeyer感谢您指出,我不知道这一点。但是问题仍然存在,你知道我是否有任何方法可以得到上面的结果吗?参见append()
返回数组的副本,但它不在适当的位置。@MarkMeyer谢谢你指出,我不知道。但问题仍然存在,你知道有没有什么方法可以让我达到预期的效果