Question

我试图在Python中创建这个数据结构： 2-d array structure

我必须稍后使用列键和行键。列键和行键是随机数。

现在我有了这段代码：

import random

cols, rows = 5, 5 
Matrix = [[0 for x in range(cols)] for y in range(rows)]

set_col = 0
for row in Matrix:
    row[set_col] = random.randint(1,2)

columnKeys = random.sample(range(1,5), 4)
Matrix[0] = columnKeys

for row in Matrix:
    print(row)

输出：

[3, 1, 2, 4]
[2, 0, 0, 0, 0]
[1, 0, 0, 0, 0]
[2, 0, 0, 0, 0]
[1, 0, 0, 0, 0]

这不是我想要的。现在每个单元格值都为零。但稍后它会有一些相关数据，我会将这些数据与相应的行和列键一起使用。我不知道如何正确组织这个数据结构，所以我可以使用具有相应行/列键的单元格值。

怎么做没有 Pandas 和 Numpy 所以我可以使用列和行键？

Answer 1

import random

COLS, ROWS = 5, 5 
Matrix = [[0 for x in range(COLS)] for y in range(ROWS)]

set_col = 0
for row in Matrix:
    row[set_col] = random.randint(1,2)

columnKeys = random.sample(range(1,5), 4)
Matrix[0] = [0] + columnKeys

for row in Matrix:
    print(row)

<强>输出

[0, 3, 1, 2, 4]
[2, 0, 0, 0, 0]
[1, 0, 0, 0, 0]
[2, 0, 0, 0, 0]
[1, 0, 0, 0, 0]

Answer 2

这取决于你想要什么。

最好的方法可能是不来使用嵌套列表，而是使用字典。由于您提到了pandas，因此pandas DataFrame对象具有to_dict函数，可将DataFrame转换为字典，并且根据您的喜好有多种选项。

我从您的示例中看到您正在尝试使用重复索引创建数据结构。这里最好的选择可能是使用通过运行df.to_dict("split")创建的结构。

假设您的DataFrame（df）如下所示：

      3  1  2  4
   2  0  0  0  0
   1  0  0  0  0
   2  0  0  0  0
   1  0  0  0  0

运行`df.to_dict（＆＃34; split＆＃34;）将执行此操作：

d = df.to_dict("split")
{
  'columns': [3, 1, 2, 4],
  'data': [[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]],
  'index': [2, 1, 2, 1]
}

在这种情况下访问数据，以及@Makiflow所示的数据是棘手的。即使在Pandas中，在Dataframe上有重复的索引或列也会使操作更有趣。在这种情况下，选择df['data'][3][1]选择data键包含的第三个列表中的第二个元素。这实际上是选择矩阵的第4行和第2列。如果您希望能够通过列名称引用项目，则必须进行更多的工作。

你可以运行col_num = d['columns'].index(3)，它会为你提供元素3的索引值，但是d['index'].index(2)总是会给你0，即使你想在索引3选择2。这是因为index()返回与条件匹配的第一个值的索引。当然，你可以简单地通过（col，row）索引元组进行选择，但这首先会破坏列名和索引值的目的。

如果要在没有pandas的情况下生成此结构，可以运行： COLS，ROWS = 5,5 columns = [random.randint（0，COLS）for _ in range（COLS）] rows = [random.randint（1,2）for _ in range（ROWS）]

d = {"columns": columns,
     "index":   rows,
     "data":    [[0 for _ in range(COLS)] for _ in range(ROWS)]
    }

恕我直言 - 更好的解决方案实际上是强制您的数据结构具有唯一的索引和列值。 to_dict()的默认输出将输出一个非常简单的字典：

d = df.to_dict() # also the same as df.to_dict("dict")
{
  1: {1: 0, 2: 0}, 
  2: {1: 0, 2: 0}, 
  3: {1: 0, 2: 0}, 
  4: {1: 0, 2: 0}
}

在此配置中，字典的每个键都是列的名称。这些键中的每一个都指向另一个表示该列中信息的dicitonary - 每个键是一个索引值，后跟该值。

这可能是最直观的意义，因为如果您希望在名为 1的索引的列 3处获取值，您可以这样做：

d = df.to_dict() d[3][1] # 0

您可以在不使用Pandas的情况下创建此数据结构：

COLS, ROWS = 5,5 rows = [i for i in range(ROWS)] columns = [i for in range(COLS)] {c : {i:0 for i in rows} for c in columns} # { # 0: {0: 0, 1: 0, 2: 0, 3: 0, 4: 0}, # 1: {0: 0, 1: 0, 2: 0, 3: 0, 4: 0}, # 2: {0: 0, 1: 0, 2: 0, 3: 0, 4: 0}, # 3: {0: 0, 1: 0, 2: 0, 3: 0, 4: 0}, # 4: {0: 0, 1: 0, 2: 0, 3: 0, 4: 0} # }

它真的取决于你的约束/要求。

在Python中使用列键和行键创建二维数组

2 个答案: