使用numpy

Question

可以创建一个像Python词典这样的结构，但在其中使用numpy阵列？

，例如，如果我们有2个命名

numpy.ndarray

和

keys

vals

，我们如何使用它们来创建类似于常规python词典的类别，但得到了

NumpyHashmap

S的支持？

这样做的目的是比Python词典具有更高的记忆效率结构。 

numpy.ndarray

可以不变。

NumpyHashmap

您可以使用稀疏阵列模仿这种行为。这是依靠

import numpy as np

keys = np.array([1, 13, 24, 35, 92], dtype=np.uint16)
vals = np.array([1.234, 2.345, 3.456, 4.567, 5.678], dtype=np.float32)

# How to create a numpy-backed dictionary/hashmap?
hashmap = NumpyHashmap(keys, vals)
print(hashmap[13])      # 2.345

的最小实现：

Answer 1

scipy.sparse

打印：

import numpy as np
import scipy.sparse as sp

class NumpyHashMap:
    """A hash map for numpy arrays"""
    def __init__(self, keys, vals):
        shape = (np.max(keys) + 1, 1)
        self._lookup = sp.csr_array((vals, (keys, np.zeros_like(keys))), shape=shape)

    def __getitem__(self, keys):
        keys = np.atleast_1d(keys)
        return self._lookup[keys, [0]]

keys = np.array([1, 13, 24, 35, 92], dtype=np.uint16)
vals = np.array([1.234, 2.345, 3.456, 4.567, 5.678], dtype=np.float32)

lookup = NumpyHashMap(keys, vals)

print(lookup[[1, 13, 24, 45]])

so而不是

[1.234 2.345 3.456 0. ]

KeyError

将返回

0

。该实施可以适用于例如取而代之的是返回

np.nan

或提出和错误，并确定不存在哪个密钥。

Maybe仍然有帮助！