如何将多个NumPy数组合并为字典列表？求高效实现方案

当然可以！对于15000行这种规模的数据，确实要尽量避免手动写for循环+append的方式——不仅代码冗余，效率也不如Python内置的优化方法。下面给你几种高效实现的方案，从简单到灵活都有：

方法1：列表推导式 + zip（纯Python首选） #

这是最简洁且高效的纯Python实现方式，利用zip()的打包特性和列表推导式的底层优化，比手动循环快得多：

import numpy as np

# 示例数据（替换成你的真实数组）
column_names = ['id', 'temperature', 'price']
idArry = np.array([1, 2, 3, 4])
tempArry = np.array([20.3, 30.4, 50.4, 25.1])
priceArry = np.array([1.2, 3.5, 2.3, 4.7])

# 生成字典列表
table_dict = [dict(zip(column_names, row)) for row in zip(idArry, tempArry, priceArry)]

原理说明： #

1. zip(idArry, tempArry, priceArry)会把三个数组中对应位置的元素打包成元组，比如(1, 20.3, 1.2)、(2, 30.4, 3.5)；
2. 对每个元组row，用dict(zip(column_names, row))将列名与对应值配对成字典；
3. 列表推导式是Python底层优化过的语法，比手动for循环+append的执行效率高2-3倍。

方法2：生成器表达式（内存友好型） #

如果你的数据量还会继续增长（比如超过10万行），可以用生成器表达式替代列表推导式，它不会一次性把所有字典加载到内存，而是遍历的时候才生成，能节省大量内存：

# 生成器表达式（注意用圆括号）
table_dict_gen = (dict(zip(column_names, row)) for row in zip(idArry, tempArry, priceArry))

# 遍历生成器获取数据
for item in table_dict_gen:
    print(item)

方法3：用Pandas实现（超大规模数据首选） #

如果经常处理这类结构化数据，Pandas会是更优选择——它的矢量化操作基于C扩展实现，处理百万级数据的速度远超纯Python方案，代码也极度简洁：

import pandas as pd

# 先将数组转为DataFrame
df = pd.DataFrame({
    'id': idArry,
    'temperature': tempArry,
    'price': priceArry
})

# 转换为字典列表
table_dict = df.to_dict('records')

效率对比： #

针对15000行数据，三种方案的执行速度排序大致为：Pandas > 列表推导式 > 手动循环，其中Pandas的优势在数据量越大时越明显。

内容的提问来源于stack exchange，提问作者Andrew Ng