Einen Vektor von Wörterbuch-Werten in einem Array erhalten, python

Question

Ich versuche, einen Vektor von spezifischen Wörterbuch-Werten zu erhalten, die in einer anzahligen Reihe sind. Hier ist, was das Array wie folgt aussieht:.

import numpy as np 
edge_array = np.array(
    [[1001, 7005, {'lanes': 9, 'length': 0.35, 'type': '99', 'modes': 'cw'}], 
    [1001, 8259, {'lanes': 10, 'length': 0.46, 'type': '99', 'modes': 'cw'}], 
    [1001, 14007, {'lanes': 7, 'length': 0.49, 'type': '99', 'modes': 'cw'}]]) 

ich einen Vektor für die ersten beiden Werte jeder Zeile (dh 1001 und 7005, aber ich brauche noch einen Vektor für die mit 'lanes' verknüpften Werte

hier so weit ist mein Code:

row_idx = edge_array[:, 0] 
col_idx = edge_array[:, 1] 
lane_values = edge_array[:, 2['lanes']] 

Der Fehler I ist wie folgt:

lane_values = edge_array[:, 2['lanes']] 
TypeError: 'int' object has no attribute '__getitem__' 

Bitte lassen Sie mich wissen, wenn Sie weitere Erläuterungen benötigen, danke!

Answer 1

Die subexpression 2['lanes'] macht keinen Sinn: Sie indizieren in die Nummer 2.

Stattdessen versuchen:

[rec['lanes'] for rec in edge_array[:, 2]] 

Oder:

import operator 
map(operator.itemgetter('lanes'), edge_array[:,2]) 

Die Sie oben geben ein reguläre Python list; Wenn Sie ein NumPy-Array möchten, müssen Sie np.array() in der Liste aufrufen.

Aber die bessere Lösung hier ist, Ihre Daten in ein "strukturiertes Array" zu transformieren, das Spalten benannt hat und dann effizient nach Namen indexieren kann. Wenn Ihr Array viele Zeilen enthält, hat dies einen großen Einfluss auf die Effizienz.

Answer 2

Dies ist kein voll funktionsfähiges Beispiel. Schwer damit zu arbeiten. Die Arten sind unklar. Ich vermute, dass du irgendwie mit Nummern arbeitest, aber naja, schwer zu sagen.

In allen Fällen ist die Indizierung mit 2 ['etwas'] falsch und der Fehler sagt Ihnen warum. Es wird versucht, mit einem Schlüssel in einer Ganzzahl zu indizieren. Sehen Sie nach, wie die Indexierung in Python/Numpy durchgeführt wird.

Aber das ist, wie Sie Ihre 'Spuren' extrahieren könnte:

map(lambda x: x['lanes'], edge_array[:, 2])) 
# OR (if you want a vector/np-array) 
vec_of_lanes = np.array(map(lambda x: x['lanes'], edge_array[:, 2]))) 

Mehr in numpy-style:

vec_of_lanes = np.apply_along_axis(lambda x: x[2]['lanes'], 1, edge_array) 

Answer 3

@Zwinck eine strukturierte Anordnung vorgeschlagen. Hier ist eine Möglichkeit

Definieren Sie einen dtype für den Wörterbuchteil. Es hat Felder mit verschiedenen dtypes

dt1 = np.dtype([('lanes',int), ('length',float), ('type','S2'),('modes','S2')]) 

Embed dieses dtype in einem größeren. Ich habe ein Sub-Array-Format für die ersten 2 Werte verwendet:

dt = np.dtype([('f0',int,(2,)), ('f1',dt1)]) 

Jetzt erstellen Sie das Array. Ich habe Ihren Ausdruck so bearbeitet, dass er in dt passt. Die Mischung aus Tupeln und Listen ist wichtig. Ich hätte stattdessen die Daten von Ihrem Objekt-Array übertragen können (todo?

)

edge_array1 = np.array( 
    [([1001, 7005], (9, 0.35, '99','cw')), 
    ([1001, 8259], (10, 0.46, '99','cw')), 
    ([1001, 14007], (7, 0.49, '99', 'cw'))], dtype=dt) 

Nun sind die 2 int-Werte können durch die ‚f0‘ Feldnamen zugegriffen werden:

In [513]: edge_array1['f0'] 
Out[513]: 
array([[ 1001, 7005], 
     [ 1001, 8259], 
     [ 1001, 14007]]) 

während ‚Spuren‘ sind durch eine doppelte Anwendung von Feldnamen Indizierung zugegriffen wird (da sie eine sind Feld innerhalb des Feldes):

In [514]: edge_array1['f1']['lanes'] 
Out[514]: array([ 9, 10, 7])