将 2D numpy.ndarray 转换为嵌套字典答案

【问题标题】：Convert 2D numpy.ndarray to nested dictionary将 2D numpy.ndarray 转换为嵌套字典
【发布时间】：2017-08-14 10:18:04
【问题描述】：

假设我有以下numpy.ndarray：

array([[50,  0,  0],
      [ 0,  3, 47],
      [ 0, 36, 14]])

如何将其转换为这种形式的字典：

{0: {0: 50}, 1: {1: 3, 2: 47}, 2: {1: 36, 2: 14}}

问题类似于python 2d array to dict，但无论我多么努力，我都无法找到与那里的答案类似的解决方案。

【问题讨论】：

这称为将稀疏二维数组转换为COO（坐标）格式的嵌套字典：{i: {j: value}}

标签： python numpy dictionary multidimensional-array type-conversion

【解决方案1】：

假设 a 作为你的数组，

试试这个，

{index:{i:j for i,j in enumerate(k) if j} for index,k in enumerate(a)}

结果

{0: {0: 50}, 1: {1: 3, 2: 47}, 2: {1: 36, 2: 14}}

用这个概念创建的字典：

In [18]: dict([[1,'a'],[2,'b']])
Out[18]: {1: 'a', 2: 'b'}

【讨论】：

使用 dict 理解 IMO 会更具可读性：{index:{i:j for i,j in enumerate(k) if j} for index,k in enumerate(a)}

【解决方案2】：

您可以使用一对嵌套的 for 循环来做到这一点。

内置的enumerate 函数遍历列表或其他可迭代对象，为我们提供项目及其索引。

import numpy as np

a = np.array(
    [[50,  0,  0],
    [ 0,  3, 47],
    [ 0, 36, 14]]
)

d = {}
for i, row in enumerate(a):
    temp = {}
    for j, v in enumerate(row):
        if v:
            temp[j] = v
    d[i] = temp

print(d)

输出

{0: {0: 50}, 1: {1: 3, 2: 47}, 2: {1: 36, 2: 14}}

这可以通过使用一对嵌套的字典推导来大大压缩：

d = {i: {j: v for j, v in enumerate(row) if v}
    for i, row in enumerate(a)}

【讨论】：

【解决方案3】：

只需循环并构建您的嵌套dicts：

import numpy as np

arr = np.array([[50,  0,  0],
               [ 0,  3, 47],
               [ 0, 36, 14]])

d = {}
for i, row in enumerate(arr):  
    d[i] = {}
    for j, cell in enumerate(row):
        if cell != 0:
            d[i][j] = cell

【讨论】：

【解决方案4】：

此函数也适用于二维数组和一维数组。此外，您可以通过注释函数的第一行使其适用于带有 int/float 的列表。

def arrtodict(your_array):
    your_array = your_array.tolist()
    dict_data = {key: value for key, value in enumerate(your_array)}

    if type(dict_data[0]) is list: 
        for key, value in dict_data.items():
            dict_data[key] = {k: v for k, v in enumerate(value)}
    elif type(dict_data[0]) is (float or int):
        pass
    else:
        print ('Check Your data')
    return dict_data

【讨论】：