Python 广播/迭代字典值的有效方法_Python_Numpy_Dictionary

Python 广播/迭代字典值的有效方法

python numpy dictionary

Python 广播/迭代字典值的有效方法,python,numpy,dictionary,Python,Numpy,Dictionary,我正在尝试在以下计算中使用字典值： mydict = dict(zip(['key1', 'key2', 'key3'], [1, 2, 3])) print(mydict) newvals = (mydict.values() + 3) ** 2 print(newvals) {'key1'：1，'key2'：2，'key3'：3} TypeError:不支持+：“dict_values”和“int”的操作数类型或者如果我这样做了将numpy导入为

我正在尝试在以下计算中使用字典值：

mydict = dict(zip(['key1', 'key2', 'key3'],
                  [1, 2, 3]))
print(mydict)

newvals = (mydict.values() + 3) ** 2
print(newvals)

{'key1'：1，'key2'：2，'key3'：3}
TypeError:不支持+：“dict_values”和“int”的操作数类型

或者如果我这样做了

将numpy导入为np
newvals=（np.array（mydict.values（））+3）**2
打印（newvals）

似乎我必须首先将字典值转换为列表，或者使用列表进行迭代

newvals=（np.array（list（mydict.values（））+3）**2
打印（newvals）

或者我可以

newvals=np.array（[（val+3）**2表示mydict.values（）中的val）
打印（newvals）

[16 25 36]

有没有更简单或更有效的方法来做到这一点？或者，是否有一种内置的字典方法可以使用，这样我就不必使用列表理解或for循环

谢谢。

这应该能帮你解决问题

for key, value in mydict.items():
    mydict[key] = (value + 3) ** 2

这应该能帮你解决问题

for key, value in mydict.items():
    mydict[key] = (value + 3) ** 2

这样你就进入了e。g 1触摸“按键1”。1 + 3 ** 2. 键1的第一个值：16

这样你就进入了e。g 1触摸“按键1”。1 + 3 ** 2. 键1:16的第一个值当我们在

numpy

中谈论避免循环时，我们实际上的意思是避免Python级别的循环。我们仍然需要遍历数组元素，但我们使用快速编译的代码来完成。该代码仅适用于

numpy

ndarrays

。此外，通过数组的循环比通过列表的循环更糟糕

如果我们从列表开始，我们必须首先将其转换为

ndarray

，例如

arr=np.array（[1,2,3]）

。数组转换需要时间，所以通常可以更快地理解列表

numpy

没有任何代码可以直接使用Python

dicts

<代码>值（）生成类似生成器的对象<代码>np。数组（…）需要类似列表的对象：

In [140]: np.array(list(mydict.values()))                                                      
Out[140]: array([1, 2, 3])
In [141]: (np.array(list(mydict.values())) +3)**2                                              
Out[141]: array([16, 25, 36])

fromiter

可以从

值

对象工作：

In [142]: np.fromiter(mydict.values(), int)                                                    
Out[142]: array([1, 2, 3])

np.fromiter

可能比

np.array

快，但我不能保证

我怀疑列表理解速度更快，尤其是对于这个小例子：

In [143]: [(x+3)**2 for x in mydict.values()]                                                  
Out[143]: [16, 25, 36]

我们可以做一些时间测试，但对于这个小样本来说，它可能不会那么有用

字典在很多方面都很有用，但快速数值计算并不是其中之一。

当我们在

numpy

中谈到避免循环时，我们实际上的意思是避免Python级别的循环。我们仍然需要遍历数组元素，但我们使用快速编译的代码来完成。该代码仅适用于

numpy

ndarrays