如何以Numpy标签数组将网格数组转换为指定格式的字典？

问题描述 #

现有两个Numpy数组：

• label数组存储对应行/列的字母标识：['a','b','c','d']
• grid_Arr是4×4的相似度网格，对角线元素为1（同一字母对比的相似度），其余元素代表对应字母间的相似度。

需要将这两个数组转换为字典列表，每个字典包含word1（行对应字母）、word2（列对应字母）、score（对应位置的相似度值）三个键，格式示例如下：

[{'word1': 'a', 'word2': 'a', 'score': 1},
 {'word1': 'a', 'word2': 'b', 'score': 0.3},
 {'word1': 'a', 'word2': 'c', 'score': 0.5},
 {'word1': 'a', 'word2': 'd', 'score': 0.6},
 ...]

解决方案 #

基础循环实现 #

通过嵌套循环遍历网格每个元素，结合label数组映射字母，构建目标字典列表：

import numpy as np

label = np.array(['a','b','c','d'])
grid_Arr = np.array([[1. , 0.3, 0.5, 0.6],
       [0.3, 1. , 0.4, 0.1],
       [0.5, 0.4, 1. , 0.2],
       [0.6, 0.1, 0.2, 1. ]])

result = []
for i in range(len(label)):
    word1 = label[i]
    for j in range(len(label)):
        word2 = label[j]
        score = grid_Arr[i][j]
        result.append({'word1': word1, 'word2': word2, 'score': score})

# 验证结果
print(result)

高效向量化实现（适合大规模数据） #

利用Numpy的向量化操作替代循环，提升处理效率：

import numpy as np

label = np.array(['a','b','c','d'])
grid_Arr = np.array([[1. , 0.3, 0.5, 0.6],
       [0.3, 1. , 0.4, 0.1],
       [0.5, 0.4, 1. , 0.2],
       [0.6, 0.1, 0.2, 1. ]])

# 生成所有字母对组合
word1s = np.repeat(label, len(label))
word2s = np.tile(label, len(label))
scores = grid_Arr.flatten()

# 转换为字典列表
result = [{'word1': w1, 'word2': w2, 'score': s} 
          for w1, w2, s in zip(word1s, word2s, scores)]

print(result)

代码说明 #

• 基础循环：外层循环取行对应字母作为word1，内层循环取列对应字母作为word2，匹配网格中的相似度值后构建字典，逐个加入结果列表。
• 向量化实现：用np.repeat和np.tile快速生成所有字母对，将网格数组扁平化后与字母对一一对应，最后通过列表推导式批量生成字典，性能优于嵌套循环。

内容的提问来源于stack exchange，提问作者Salih