在NumPy中将字典转换为数组

Question

我想将一个包含浮点数的字典的字典转换为numpy.array以便与numpy库一起使用。目前，我正在手动将值转换为两个数组，一个用于原始索引，另一个用于值。虽然我已经查看了numpy.asarray，但我的结论是我必须在其中做错了什么。有人可以展示如何正确地转换这样的创建吗？不必使用numpy.asarray，任何方法都可以。

from collections import defaultdict
foo = defaultdict( lambda: defaultdict(float) )
#Then "foo" is populated by several
#routines reading results from a DB
#
#As an example
foo[ 7104 ][ 3 ] = 4.5
foo[ 203 ][ 1 ] = 3.2
foo[ 2 ][ 1 ] = 2.7

我希望只有一个多维浮点数数组，而不是一个字典数组。

编辑：

抱歉耽搁了。这是我用来创建仅包含值的第一个数组对象的代码：

storedArray = numpy.asarray( reduce( lambda x,y: x + y, (item.values() for item in storedMapping.values() ) ) )

我希望有人能够知道一个神奇的方法，可以将字典中的字典转换为数组。

- wheaties

---

我不清楚你具体从哪里开始，想要达到什么目标。 - Mike Graham

抱歉造成困惑。 - wheaties

所以你正在使用字典作为稀疏数组，并希望将它们转换为numpy数组，对吗？ - Dave Kirby

是的，确实如此。数据库中包含的索引并不保证跨越1到N。 - wheaties

索引值是否总是非负的？ - John La Rooy

稍微有点被拉走了。是的，索引始终为非负数。 - wheaties

Answer 1

你可以像这样计算N和M

N=max(foo)+1
M=max(max(x) for x in foo.values())+1
fooarray = numpy.zeros((N, M))
for key1, row in foo.iteritems():
   for key2, value in row.iteritems():
       fooarray[key1, key2] = value 

稀疏数组有各种选项。例如，

import scipy.sparse
foosparse = scipy.sparse.lil_matrix((N, M))
for key1, row in foo.iteritems():
   for key2, value in row.iteritems():
       foosparse[(key1, key2)] = value 

- John La Rooy

---

我正在看这个，基本上看起来像是手动展开一个稀疏数组表示到全零表示。如果M，N = 10^6，这会很快引起问题。我应该放置我目前正在使用的代码。 - wheaties

@Oxinabox。谢谢，已修复。 - John La Rooy

Answer 2

假设你有一个NxM的数组，那么我会执行以下操作：

myarray = numpy.zeros((N, M))
for key1, row in mydict.iteritems():
   for key2, value in row.iteritems():
       myarray[key1, key2] = value 

- bayer

---

这也可以写成列表推导式，但可能太复杂了，不容易理解。 - pwdyson

在列表推导式的情况下，您首先创建一个大的列表。在这种情况下，您可以绕过这一点，从而减少内存使用量。这取决于您的喜好。 - bayer