Question

背景：我正在尝试建立亲和力矩阵以进入sklearn谱聚类。

在这个问题中，我遇到了numpy数组索引是基于0的整数的问题，对于我的应用程序我使用某种特定于应用程序的ID（基于字符串，随机示例＆＃34; abc123＆＃34）。我想创建一个由我拥有的所有数据点索引的2d numpy数组。例如，给定两个点points = ["abc123", "xyz456"]，我将有2d numpy数组，其行索引和列索引为points。这样我就可以通过类似于arr["abc123"]["xyz456"] = dist

的东西轻松指定两点之间的距离

我怎么能实现这一目标？谢谢。

Answer 1

Pandas可以做到这一点，还有更多......

In [41]: import pandas as pd

In [122]: a = np.random.randint(100, size=(5, 3))

In [123]: a
Out[123]:
array([[53,  7, 34],
       [54, 56, 85],
       [ 0, 11, 83],
       [63, 28, 88],
       [65, 19, 44]])

In [124]: df = pd.DataFrame(a, index=list('abcde'), columns=list('xyz'))

In [125]: df
Out[125]:
    x   y   z
a  53   7  34
b  54  56  85
c   0  11  83
d  63  28  88
e  65  19  44

In [126]: df.loc[['a','d'], ['x','y']]
Out[126]:
    x   y
a  53   7
d  63  28

我们总是可以使用.values访问者从DataFrame中获取Numpy数组：

In [127]: df.values
Out[127]:
array([[53,  7, 34],
       [54, 56, 85],
       [ 0, 11, 83],
       [63, 28, 88],
       [65, 19, 44]])

In [128]: df.loc[['a','d'], ['x','y']].values
Out[128]:
array([[53,  7],
       [63, 28]])

Answer 2

您可以使用带键的字典，但如果仍需要numpy数组，则可以使用dtype。来自doc：

>>> dt = np.dtype([('name', np.unicode_, 16), ('grades', np.float64, (2,))])
>>> x = np.array([('Sarah', (8.0, 7.0)), ('John', (6.0, 7.0))], dtype=dt)
>>> x[1]
('John', [6.0, 7.0])
>>> x[1]['grades']
array([ 6.,  7.])

具有非整数索引的Python Numpy 2d数组

2 个答案: