使用numpy.vectorize匹配字典遇'unhashable numpy.ndarray'错误求助

问题核心：numpy数组是不可哈希类型，无法直接作为字典的键进行查找，这就是报错的原因。以下是几种可行的解决方案：

情况1：数组为单元素（如每个ndarray仅含一个值） #

直接将数组转换为标量后再匹配字典：

# 用.item()提取标量（numpy推荐用法，替代旧版np.asscalar）
df['COM_CLOSESTID'] = df['COM_CLOSESTID'].apply(lambda x: COM_DICT.get(x.item()))

情况2：数组为多元素（需将数组转为可哈希的元组） #

把每个数组转换成元组（元组是可哈希类型），再作为键查询字典：

df['COM_CLOSESTID'] = df['COM_CLOSESTID'].apply(lambda x: COM_DICT.get(tuple(x)))

情况3：仍想使用numpy.vectorize #

自定义处理函数，先将数组转成可哈希类型再调用字典的get方法：

def lookup_dict(arr):
    return COM_DICT.get(tuple(arr))

# 向量化处理函数
vec_lookup = np.vectorize(lookup_dict)
df['COM_CLOSESTID'] = vec_lookup(df['COM_CLOSESTID'].values)

注意：如果你的字典键本身就是numpy数组类型，这种方法不适用——必须确保字典的键和转换后的类型一致（比如键是元组，就把数组转成元组；键是标量，就转成标量）。

内容的提问来源于stack exchange，提问作者ImFabien75