如何优雅地将字典列表按分组转换为NumPy数组？

下面提供几种优雅的实现思路：

方法一：用collections.defaultdict高效分组 #

借助defaultdict自动初始化列表容器，遍历过程中完成分组，最后批量转换为NumPy数组：

import numpy as np
from collections import defaultdict

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

grouped = defaultdict(list)
for d in data:
    # 提取单个字典的唯一键值对
    key, val = next(iter(d.items()))
    grouped[key].append(val)

# 转换为NumPy数组集合
result = {k: np.array(v) for k, v in grouped.items()}

这个方法时间复杂度为O(n)，处理大规模数据时效率较高。

方法二：纯Python字典实现（无额外依赖） #

如果不想导入collections模块，可手动判断键的存在性完成分组：

import numpy as np

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

grouped = {}
for d in data:
    key, val = next(iter(d.items()))
    if key not in grouped:
        grouped[key] = []
    grouped[key].append(val)

result = {k: np.array(v) for k, v in grouped.items()}

逻辑清晰，无需额外依赖，适合轻量场景。

方法三：用pandas快速处理（适合复杂扩展） #

如果后续有数据清洗、统计分析需求，用pandas的分组能力会更便捷：

import numpy as np
import pandas as pd

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

# 转换为DataFrame自动对齐相同键
df = pd.DataFrame(data)
# 提取每列非空值并转为NumPy数组
result = {col: df[col].dropna().to_numpy() for col in df.columns}

该方法适合处理包含多维度、需要后续分析的数据集。

内容的提问来源于stack exchange，提问作者LDonSOvrfw