Skip to main content
 首页 » 编程设计

python之我如何仅选择/格式化字典中的值到列表或 numpy 数组中

2025年02月15日10artech

如何让它只打印一个平均值列表? 我只需要它与我的 np 格式完全相同 数组,以便我可以比较它们以查看它们是否相同。

代码:

import numpy as np 
from pprint import pprint 
 
centroids = np.array([[3,44],[4,15],[5,15]]) 
dataPoints = np.array([[2,4],[17,4],[45,2],[45,7],[16,32],[32,14],[20,56],[68,33]]) 
 
def size(vector): 
    return np.sqrt(sum(x**2 for x in vector)) 
 
def distance(vector1, vector2): 
    return size(vector1 - vector2) 
 
def distances(array1, array2): 
    lists = [[distance(vector1, vector2) for vector2 in array2] for vector1 in array1] 
    #print lists.index(min, zip(*lists)) 
    smallest = [min(zip(l,range(len(l)))) for l in zip(*lists)] 
    clusters = {} 
    for j, (_, i) in enumerate(smallest): 
        clusters.setdefault(i,[]).append(dataPoints[j]) 
    pprint (clusters) 
    print'\nAverage of Each Point' 
    avgDict = {} 
    for k,v in clusters.iteritems(): 
        avgDict[k] = sum(v)/ (len(v)) 
    avgList = np.asarray(avgDict) 
    pprint (avgList) 
 
distances(centroids,dataPoints) 

当前输出:

{0: [array([16, 32]), array([20, 56])], 
 1: [array([2, 4])], 
 2: [array([17,  4]), 
     array([45,  2]), 
     array([45,  7]), 
     array([32, 14]), 
     array([68, 33])]} 
 
Average of Each Point 
array({0: array([18, 44]), 1: array([2, 4]), 2: array([41, 12])}, dtype=object) 

期望的输出:

[[18,44],[2,4],[41,12]] 

或者比较我的数组/列表的最佳格式。我知道我应该坚持使用一种数据类型。

请您参考如下方法:

您是否尝试通过最近的 centroids 的索引对 dataPoints 进行聚类,并找出聚类点的平均位置?如果是,我建议使用一些 numpy 的广播规则来获得你需要的输出。

考虑一下,

    np.linalg.norm(centroids[None, :, :] - dataPoints[:, None, :], axis=-1) 

它创建一个矩阵,显示 dataPoints 和 centroids 之间的所有距离,

    array([[ 40.01249805,  11.18033989,  11.40175425], 
           [ 42.3792402 ,  17.02938637,  16.2788206 ], 
           [ 59.39696962,  43.01162634,  42.05948169], 
           [ 55.97320788,  41.77319715,  40.79215611], 
           [ 17.69180601,  20.80865205,  20.24845673], 
           [ 41.72529209,  28.01785145,  27.01851217], 
           [ 20.80865205,  44.01136217,  43.65775991], 
           [ 65.9241989 ,  66.48308055,  65.520989  ]]) 

你可以通过这个技巧计算最近质心的索引(为了便于阅读,它们被分成 3 行),

    In: t0 = centroids[None, :, :] - dataPoints[:, None, :] 
    In: t1 = np.linalg.norm(t0, axis=-1) 
    In: t2 = np.argmin(t1, axis=-1) 

现在 t2 有了索引,

    array([1, 2, 2, 2, 0, 2, 0, 2]) 

要找到 #1 簇,请使用 bool 掩码 t2 == 0,

    In: dataPoints[t2 == 0] 
    Out: array([[16, 32], 
                [20, 56]]) 
 
    In: dataPoints[t2 == 1] 
    Out: array([[2, 4]]) 
 
    In: dataPoints[t2 == 2] 
    Out: array([[17,  4], 
                [45,  2], 
                [45,  7], 
                [32, 14], 
                [68, 33]]) 

或者只计算你的情况的平均值,

    In: np.mean(dataPoints[t2 == 0], axis=0) 
    Out: array([ 18.,  44.]) 
 
    In: np.mean(dataPoints[t2 == 1], axis=0) 
    Out: array([ 2.,  4.]) 
 
    In: np.mean(dataPoints[t2 == 2], axis=0) 
    Out: array([ 41.4,  12. ]) 

当然,如果你愿意,后面的 block 可以用for循环重写。

在我看来,按照 numpy 的约定来制定解决方案可能是一种很好的做法。