您可以使用np.array(list(result.items()), dtype=dtype)
:
import numpy as np
result = {0: 1.1181753789488595, 1: 0.5566080288678394, 2: 0.4718269778030734, 3: 0.48716683119447185, 4: 1.0, 5: 0.1395076201641266, 6: 0.20941558441558442}
names = ['id','data']
formats = ['f8','f8']
dtype = dict(names = names, formats=formats)
array = np.array(list(result.items()), dtype=dtype)
print(repr(array))
产量
array([(0.0, 1.1181753789488595), (1.0, 0.5566080288678394),
(2.0, 0.4718269778030734), (3.0, 0.48716683119447185), (4.0, 1.0),
(5.0, 0.1395076201641266), (6.0, 0.20941558441558442)],
dtype=[('id', '<f8'), ('data', '<f8')])
如果您不想创建元组的中间列表list(result.items())
,则可以改用np.fromiter
:
在Python2中:
array = np.fromiter(result.iteritems(), dtype=dtype, count=len(result))
在python3中:
array = np.fromiter(result.items(), dtype=dtype, count=len(result))
顺便说一句,您的尝试,
numpy.array([[key,val] for (key,val) in result.iteritems()],dtype)
非常接近工作。如果将列表更改为[key, val]
元组(key, val)
,则它会起作用。当然,
numpy.array([(key,val) for (key,val) in result.iteritems()], dtype)
和…一样
numpy.array(result.items(), dtype)
在Python2中,或
numpy.array(list(result.items()), dtype)
在python3中。
np.array
处理列表与元组的方法不同:Robert Kern解释说:
通常,将元组视为“标量”记录,然后重复列出。该规则有助于numpy.array()找出哪些序列是记录,哪些是要重现的其他序列;即哪些序列创建了另一个维度,哪些是原子元素。