Numpy 和将方法应用于列答案

【问题标题】：Numpy and Applying Method to a ColumnNumpy 和将方法应用于列
【发布时间】：2019-03-18 00:14:16
【问题描述】：

我有一个包含对象的 numpy 数组。

例如我的数组是：

a = np.array({'a':1,'b':2},....,{'a':n,'b':n+1})

数据并不那么重要，但我需要为每一列调用该对象的属性。

使用我的字典示例，我想调用 keys() 以打印出该行上的键列表并以 numpy 数组的形式返回：

a[0].keys()

如果我使用 Pandas，我可以在列上利用 apply() 并使用 lambda 函数来执行此操作。对于这种情况，我不能使用 Pandas，那么如何在单个 numpy 数组列上执行相同的操作？

我尝试使用apply_along_axis，但 lambda 一次将 arr 作为一个整体传递，而不是一行，所以我基本上需要在我的 lambda 中使用 for 循环来获取我的方法。

np.apply_along_axis(lambda b: b.keys(), axis=0, arr=self.data)

上面的代码不起作用！（我知道这一点）。

如果有办法使用 numpy 数组执行pandas.apply()？

在这种情况下，所需的结果是 N 行 numpy 数组，其中包含 [a,b] 列表。

【问题讨论】：

a = np.array({'a':1,'b':2},....,{'a':n,'b':n+1}) - 首先，这不是调用np.array 的有效方式，即使用一些合理的东西代替....。其次，你为什么要把一堆字典放在一个数组中？ NumPy 的设计不是为了方便或高效地用于这种用途。
此外，在keys() 生成列表的任何 Python 版本上，不保证 dict 顺序。
这只是一个例子。我真的在数组中保存了多个 JSON 响应。

标签： python arrays pandas numpy

【解决方案1】：

像这样的对象数组可以被视为一个列表：

In [110]: n=2;a = np.array(({'a':1,'b':2},{'a':n,'b':n+1}))
In [111]: a
Out[111]: array([{'a': 1, 'b': 2}, {'a': 2, 'b': 3}], dtype=object)
In [112]: [d.keys() for d in a]
Out[112]: [dict_keys(['a', 'b']), dict_keys(['a', 'b'])]

您也可以使用frompyfunc 将函数应用于数组的所有元素（或多个数组的广播元素）

In [114]: np.frompyfunc(lambda d:d.keys(),1,1)(a)
Out[114]: array([dict_keys(['a', 'b']), dict_keys(['a', 'b'])], dtype=object)

它返回一个对象数组，在这种情况下很好。 np.vectorize 也使用此函数，但需要一个 otypes 参数。

作为一般规则，迭代对象 dtype 数组比迭代数字数组更快（因为它所要做的就是返回一个指针），但比列表上的等效迭代慢。对象 dtype 数组的计算不如编译后的数值数组计算快。

【讨论】：