我有两个字典用作稀疏向量:
dict1 = {'a': 1, 'b': 4}
dict2 = {'a': 2, 'c': 2}
我自己写了一个__add__
函数来得到这个期望的结果:
dict1 = {'a': 3, 'b': 4, 'c': 2}
我知道每个对应值的字符串'a', 'b'和'c'是很重要的。仅仅确保我加对了尺寸是不够的。我也会得到更多的,以前未知的字符串,我只是添加到我的字典的一些值。
现在我的问题是:有没有更有效的数据结构?我看了Numpy的数组和Scipy的稀疏矩阵,但据我所知,它们在这里没有任何帮助,或者我只是没有看到解决方案?
我可以将键和值保存在单独的数组中,但我不认为我可以使用任何已经存在的函数来获得所需的结果。
dict1_keys = np.array([a, b])
dict1_values = np.array([1, 4])
dict2_keys = np.array([a, c])
dict2_values = np.array([2, 2])
# is there anything that will efficiently produce the following?
dict1_keys = np.array([a, b, c])
dict1_values = np.array([3, 4, 2])
也许熊猫就是你要找的:
d1 = pandas.DataFrame(numpy.array([1, 4]), index=['a', 'b'], dtype="int32")
d2 = pandas.DataFrame(numpy.array([2, 2]), index=['a', 'c'], dtype="int32")
d1.add(d2, fill_value=0)
结果: 0
a 3
b 4
c 2
@sirfz的Pandas方法可以是使用Pandas Series
:
>>> pd.Series(dict1).add(pd.Series(dict2), fill_value=0)
a 3.0
b 4.0
c 2.0
或者如果你的API需要dict
s
>>> dict(pd.Series(dict1).add(pd.Series(dict2), fill_value=0))
{'a': 3.0, 'b': 4.0, 'c': 2.0}
另外,这应该处理dict
s或Series
s甚至scipy
稀疏矩阵行和sklearn
Vectorizer
输出(稀疏向量/映射)的混合输入