快速导航×

本教程详细介绍了如何将包含单个键值对的字典列表，根据其键进行分组，并最终转换为一个以键为索引、值为对应numpy数组的字典。通过逐步构建中间数据结构，实现高效的数据聚合与转换，特别适用于需要对同类数据进行批量数值处理的场景。

在数据处理和科学计算中，我们经常会遇到需要将特定格式的原始数据转换为更便于分析和计算的结构。一个常见的场景是将一个由多个字典组成的列表，根据字典中的键进行分组，并将每个键对应的所有值聚合到一个NumPy数组中。本文将详细讲解如何通过Python实现这一转换过程。

1. 问题描述与目标

假设我们有一个包含多个字典的列表，每个字典通常只包含一个键值对。我们的目标是根据这些字典的键，将所有相同键的值收集起来，并最终生成一个字典，其中键是原始数据的键，值是包含所有对应值的NumPy数组。

输入数据示例：

data = [{'Cool': 128}, {'Cool': 51}, {'Hot': 75}, {'Hot': 62}, {'Archive': 144}, {'Archive': 12}]

期望输出格式：

"Cool": [128, 51] (转换为np.array)
"Hot": [75, 62] (转换为np.array)
"Archive": [144, 12] (转换为np.array)

最终会得到一个类似 {'Cool': np.array([128, 51]), 'Hot': np.array([75, 62]), 'Archive': np.array([144, 12])} 的字典。

2. 实现步骤与代码示例

我们将分两个主要步骤完成这个转换：首先按键对值进行分组，然后将分组后的列表转换为NumPy数组。

2.1 导入必要的库

首先，我们需要导入NumPy库，因为它提供了高效的数组操作功能。

import numpy as np

2.2 准备原始数据

将我们的示例数据定义为一个Python列表：

data = [{'Cool': 128}, {'Cool': 51}, {'Hot': 75}, {'Hot': 62}, {'Archive': 144}, {'Archive': 12}]

2.3 按键分组数据

这一步的目标是创建一个中间字典，它的键是原始数据中的键（例如 'Cool', 'Hot'），而值是包含所有对应数值的Python列表。

我们通过遍历原始 data 列表中的每个字典来完成分组。对于每个字典，我们提取其键和值。如果这个键已经在我们的 grouped_data 字典中，我们就将当前值添加到对应的列表中；如果键是第一次出现，我们就为它创建一个新的列表。

grouped_data = {}

for item in data:
    for key, value in item.items(): # 遍历每个字典中的键值对
        if key in grouped_data:
            grouped_data[key].append(value) # 如果键已存在，添加值到列表中
        else:
            grouped_data[key] = [value]    # 如果键不存在，创建一个新列表

执行完此步骤后，grouped_data 将会是 {'Cool': [128, 51], 'Hot': [75, 62], 'Archive': [144, 12]}。

千鹿Pr助手

智能Pr插件，融入众多AI功能和海量素材

128 查看详情

2.4 转换为NumPy数组

现在，grouped_data 字典中的每个值都是一个Python列表。我们需要遍历这个字典，将每个列表转换为NumPy数组。

for key in grouped_data:
    grouped_data[key] = np.array(grouped_data[key])

这一步会原地修改 grouped_data 字典的值，将它们从列表类型变为NumPy数组类型。

2.5 完整代码示例

将上述步骤整合，形成一个完整的可运行脚本：

import numpy as np

# 原始数据
data = [{'Cool': 128}, {'Cool': 51}, {'Hot': 75}, {'Hot': 62}, {'Archive': 144}, {'Archive': 12}]

# 步骤1: 按键分组值
# 初始化一个空字典用于存储分组后的数据
grouped_data = {}
for item in data:
    # 假设每个字典只包含一个键值对
    for key, value in item.items():
        if key in grouped_data:
            grouped_data[key].append(value)
        else:
            grouped_data[key] = [value]

# 步骤2: 将分组后的列表转换为NumPy数组
for key in grouped_data:
    grouped_data[key] = np.array(grouped_data[key])

# 打印结果验证
print("转换后的数据结构：")
for key, value in grouped_data.items():
    print(f'"{key}": {value}')
    print(f'  数据类型: {type(value)}')
    print(f'  元素类型: {value.dtype}')

输出结果：

转换后的数据结构：
"Cool": [128  51]
  数据类型: <class 'numpy.ndarray'>
  元素类型: int32
"Hot": [75 62]
  数据类型: <class 'numpy.ndarray'>
  元素类型: int32
"Archive": [144  12]
  数据类型: <class 'numpy.ndarray'>
  元素类型: int32

3. 优化与注意事项

3.1 使用 collections.defaultdict 简化分组逻辑

Python的 collections 模块提供了 defaultdict，它可以大大简化分组逻辑，避免了每次检查键是否存在。

from collections import defaultdict
import numpy as np

data = [{'Cool': 128}, {'Cool': 51}, {'Hot': 75}, {'Hot': 62}, {'Archive': 144}, {'Archive': 12}]

# 使用 defaultdict(list) 自动处理键不存在的情况
grouped_data_optimized = defaultdict(list)

for item in data:
    for key, value in item.items():
        grouped_data_optimized[key].append(value)

# 转换为NumPy数组
for key in grouped_data_optimized:
    grouped_data_optimized[key] = np.array(grouped_data_optimized[key])

print("\n使用 defaultdict 优化后的结果：")
for key, value in grouped_data_optimized.items():
    print(f'"{key}": {value}')

这种方法更加简洁高效，推荐在实际开发中使用。

3.2 假设条件

本教程的解决方案建立在一个核心假设之上：输入列表中的每个字典都只包含一个键值对。如果字典可能包含多个键值对，那么在 for key, value in item.items(): 循环中，所有键值对都会被处理，这可能不是期望的行为。在这种情况下，你需要根据具体需求修改提取键和值的逻辑。

3.3 数据类型一致性

NumPy数组的优势之一是其同构性，即所有元素都具有相同的数据类型。在将列表转换为NumPy数组时，NumPy会自动推断最佳数据类型。如果原始值的数据类型不一致（例如，同时包含整数和浮点数），NumPy会向上转型以容纳所有数据（例如，所有整数都会转换为浮点数）。请确保你的原始数据值是数值类型，以便顺利转换为NumPy数组。

4. 总结

通过上述步骤，我们成功地将一个包含单个键值对的字典列表，转换为了一个以键为索引、值为NumPy数组的字典。这种数据转换在数据清洗、特征工程以及需要对同类数据进行批量数值运算的场景中非常实用。使用 collections.defaultdict 可以进一步简化代码，提高可读性和效率。掌握这种转换技巧，将有助于你更高效地处理和分析结构化数据。

以上就是Python教程：将字典列表按键分组转换为NumPy数组的详细内容，更多请关注其它相关文章！

# app  # 数据清洗  # 键值对  # python  # 喜子seo  # seo攻防战视频  # 网络营销推广10个技能  # seo全省项目  # 界首网站建设推广  # 营销推广ppt模板免费下载网站  # 福建效果好的seo优化  # 济南网站推广员培训班  # 辽源企业seo技巧有哪些  # 泰和县网站建设设计  # 显存  # 不存在  # 列表中  # 创建一个  # 遍历  # 多个  # 原始数据  # 数据结构  # 键值  # 转换为 

相关栏目： 【 企业资讯168 】 【 行业动态20933 】 【 网络营销52431 】 【 网络学院91036 】 【 运营推广7012 】 【 科技资讯60970 】

相关推荐： Windows 11怎么彻底关闭定位_Windows 11服务中禁用Geolocation  Yandex官方入口网址 Yandex俄罗斯搜索引擎最新在线地址  如何将HTML表格多行数据保存到Google Sheets  Tailwind CSS line-clamp 布局问题解析与修复指南  Win10如何恢复误删的快捷方式_Win10重建常用软件快捷方式  写好的html代码怎么运行出来_运行写好的html代码方法【教程】  Lar*el的路由模型绑定怎么用_Lar*el Route Model Binding简化控制器逻辑  Win11怎么开启卓越性能模式 Win11电源选项启用高性能释放硬件潜力【方法】  使用CSS更改登录屏幕输入框中PNG图标颜色的策略与局限性  拼多多赚钱渠道_拼多多收益来源  谷歌学术网站直达地址 谷歌学术搜索网页版一键进入  微信聊天记录怎么加密_微信聊天记录加密方法  腾讯QQ邮箱登录入口_QQ邮箱官方网站使用地址  jQuery Mask 插件中实现电话号码固定前导零的教程  如何仅使用CSS更改登录界面背景图像图标的颜色  深入理解J*aScript Promise异步执行顺序与微任务队列  必由学网页版入口 必由学官方平台直接访问  Steam官网入口直达 Steam注册及登录步骤  微信客户端如何收红包_微信客户端接收红包使用教程  必由学官方登录入口 必由学教师学生账号快速访问  AO3最新官网入口公告_2025AO3镜像站实时查询方法  PDO预处理语句中冒号的正确处理：区分SQL函数格式与命名占位符  在J*aScript中复现SciPy的B样条拟合与求值：关键考量  CSS子选择器：如何区分并样式化嵌套列表的子层级  html怎么在cmd下运行php文件_cmd运行html中php文件方法【教程】  Win11怎么开启省电模式_Win11电池节电模式自动开启  解决Rails应用中内容错位与Turbo警告：meta标签误用导致富文本渲染异常  Odoo 16：在表单视图中基于当前记录动态修改Tree视图属性  Excel文件在线转换快速入口 Excel在线格式转换网站  MongoDB Aggregation：在嵌套对象数组中精确匹配ObjectId  电脑安装程序提示“错误1722”怎么办_Windows Installer服务问题解决【教程】  Safari自带网页翻译功能怎么用 无需插件轻松看懂外文网站【方法】  C++的std::mdspan是什么_C++23中用于操作多维数组的非拥有视图  在命令行怎么运行html项目_命令行运行html项目方法【教程】  手机屏幕碎了但能正常使用怎么办 手机外屏碎裂的修复建议  mcjs网页版流畅运行 mcjs低配电脑畅玩入口  Safari怎么安装扩展程序 浏览器插件安装与管理方法【详解】  Descript怎样用AI剪辑自动去噪_Descript用AI剪辑自动去噪【自动降噪】  内存疯狂猛猛涨价：主板销量直接腰斩！  Go调试环境为何无法启动_Go调试器启动失败原因与解决策略  css滚动动画效果怎么实现_使用Animate.css滚动触发动画类  Win11怎么查看显卡显存 Win11显示适配器属性及专用视频内存查询  QQ官网正版登录链接 QQ在线登录入口最新  C++如何操作注册表_Windows平台下C++读写注册表的API函数详解  4399体育竞技小游戏_4399小游戏赛事入口  Python字典中优雅地迭代剩余元素的方法  大麦的“候补”是什么意思 大麦候补购票规则【详解】  LINQ to XML为何解析失败？ 深入理解C# XDocument的异常处理  MAC如何将整个网页截长图_MAC使用Safari的导出为PDF或第三方工具  Windows 11怎么更改用户头像_Windows 11账户设置修改个人资料图片