理解问题：NumPy数组中的字典结构
在数据处理过程中，有时我们会将python字典作为numpy数组的一个元素进行存储。例如，在统计城市伤亡总数时，我们可能会得到一个形如 {'城市名': 伤亡总数} 的字典。当我们将这个字典直接传递给 np.array() 函数时，numpy并不会将其内部元素进行向量化处理，而是将其作为一个单一的python对象存储在数组中。
考虑以下场景，我们已经从CSV文件中提取并计算了印度各城市的总伤亡人数，结果存储在一个字典 city_dict 中：
import csv
import numpy as np
# 假设 city_dict 已经通过处理 terrorismData.csv 文件生成
# 示例数据（实际数据可能更多）：
city_dict = {
'New Delhi': 2095, 'Samastipur': 4, 'Bombay': 210, 'Imphal': 603, 'Aizawl': 2,
'Amapur': 2, 'Raisikah': 1, 'Champhai': 1, 'Jamshedpur': 32, 'Chennai': 366,
'Chiaplant': 1, 'Tindol': 7, 'Calcutta': 57, 'Tirupattur': 6, 'Gauhati': 112,
'Jorhat': 3, 'Massad': 1, 'Chandigarh': 333, 'Jodhpur': 2, 'Amritsar': 768,
'Tipaimukh': 6, 'Guwahati': 822, 'Harchowal': 1, 'Mothan Wala': 2, 'Qadian': 7,
'Baloda Bazar': 10
}
np_city = np.array(city_dict)
print(np_city)输出结果会是类似 array({'New Delhi': 2095, ...}, dtype=object) 的形式。这表明 np_city 是一个只包含一个元素的NumPy数组，而这个元素就是我们原始的 city_dict 字典。直接对 np_city 进行字典操作是行不通的，因为 np_city 本身不是一个字典。
提取内嵌字典
要对这个内嵌的字典进行操作，我们首先需要将其从NumPy数组中提取出来。对于只包含一个元素的NumPy数组（特别是当该元素是Python对象时），可以使用 .item() 方法来获取该元素。
# 提取内嵌的字典对象 actual_dict = np_city.item() print(type(actual_dict)) print(actual_dict)
此时，actual_dict 就是我们原始的 city_dict，一个标准的Python字典。
对字典按值进行排序
一旦我们成功提取了字典，就可以使用Python内置的 sorted() 函数对其进行排序。要根据字典的值进行降序排序，我们需要结合 dict.items() 方法、lambda 表达式和 reverse=True 参数。
- dict.items(): 该方法返回一个包含字典所有(键, 值)对的视图对象。
- sorted(): 这个函数可以对任何可迭代对象进行排序。
- key=lambda item: item[1]: 这是排序的关键。lambda 函数定义了一个匿名函数，它接收一个 item（即一个 (键, 值) 对），并返回 item[1]（即值）。sorted() 函数将根据这个返回的值来决定排序顺序。
- reverse=True: 这个参数指定了排序的方向，True 表示降序排列。
将这些组合起来，并使用字典推导式 (dictionary comprehension) 将排序后的键值对重新构建成一个新的字典：
# 对字典按值进行降序排序
sorted_city_dict = {
key: value for key, value in sorted(
actual_dict.items(),
key=lambda item: item[1],
reverse=True
)
}
print(sorted_city_dict)完整示例代码
以下是整合了数据准备、字典提取和排序的完整代码：
import csv
import numpy as np
# 模拟从CSV文件处理数据并生成字典的过程
# 实际应用中，city_dict 会通过读取文件动态生成
city_dict = {
'New Delhi': 2095, 'Samastipur': 4, 'Bombay': 210, 'Imphal': 603, 'Aizawl': 2,
'Amapur': 2, 'Raisikah': 1, 'Champhai': 1, 'Jamshedpur': 32, 'Chennai': 366,
'Chiaplant': 1, 'Tindol': 7, 'Calcutta': 57, 'Tirupattur': 6, 'Gauhati': 112,
'Jorhat': 3, 'Massad': 1, 'Chandigarh': 333, 'Jodhpur': 2, 'Amritsar': 768,
'Tipaimukh': 6, 'Guwahati': 822, 'Harchowal': 1, 'Mothan Wala': 2, 'Qadian': 7,
'Baloda Bazar': 10
}
# 将字典放入NumPy数组
np_city = np.array(city_dict)
print("原始NumPy数组内容：")
print(np_city)
print("-" * 30)
# 1. 提取NumPy数组中的字典对象
actual_dict = np_city.item()
print("提取出的字典对象：")
print(actual_dict)
print("-" * 30)
# 2. 对字典按值进行降序排序，并创建新的有序字典
sorted_city_dict = {
key: value for key, value in sorted(
actual_dict.items(),
key=lambda item: item[1],
reverse=True
)
}
print("按伤亡总数降序排序后的城市字典：")
print(sorted_city_dict)
# 如果需要获取前N个城市，可以对排序后的字典进行切片（Python 3.7+ 字典保持插入顺序）
top_5_cities = dict(list(sorted_city_dict.items())[:5])
print("\n伤亡总数前5的城市：")
print(top_5_cities)输出示例：
原始NumPy数组内容：
{'New Delhi': 2095, 'Samastipur': 4, 'Bombay': 210, 'Imphal': 603, 'Aizawl': 2, 'Amapur': 2, 'Raisikah': 1, 'Champhai': 1, 'Jamshedpur': 32, 'Chennai': 366, 'Chiaplant': 1, 'Tindol': 7, 'Calcutta': 57, 'Tirupattur': 6, 'Gauhati': 112, 'Jorhat': 3, 'Massad': 1, 'Chandigarh': 333, 'Jodhpur': 2, 'Amritsar': 768, 'Tipaimukh': 6, 'Guwahati': 822, 'Harchowal': 1, 'Mothan Wala': 2, 'Qadian': 7, 'Baloda Bazar': 10}
------------------------------
提取出的字典对象：
{'New Delhi': 2095, 'Samastipur': 4, 'Bombay': 210, 'Imphal': 603, 'Aizawl': 2, 'Amapur': 2, 'Raisikah': 1, 'Champhai': 1, 'Jamshedpur': 32, 'Chennai': 366, 'Chiaplant': 1, 'Tindol': 7, 'Calcutta': 57, 'Tirupattur': 6, 'Gauhati': 112, 'Jorhat': 3, 'Massad': 1, 'Chandigarh': 333, 'Jodhpur': 2, 'Amritsar': 768, 'Tipaimukh': 6, 'Guwahati': 822, 'Harchowal': 1, 'Mothan Wala': 2, 'Qadian': 7, 'Baloda Bazar': 10}
------------------------------
按伤亡总数降序排序后的城市字典：
{'New Delhi': 2095, 'Guwahati': 822, 'Amritsar': 768, 'Imphal': 603, 'Chennai': 366, 'Chandigarh': 333, 'Bombay': 210, 'Gauhati': 112, 'Calcutta': 57, 'Jamshedpur': 32, 'Baloda Bazar': 10, 'Tindol': 7, 'Qadian': 7, 'Tirupattur': 6, 'Tipaimukh': 6, 'Samastipur': 4, 'Jorhat': 3, 'Aizawl': 2, 'Amapur': 2, 'Jodhpur': 2, 'Mothan Wala': 2, 'Raisikah': 1, 'Champhai': 1, 'Chiaplant': 1, 'Massad': 1, 'Harchowal': 1}
伤亡总数前5的城市：
{'New Delhi': 2095, 'Guwahati': 822, 'Amritsar': 768, 'Imphal': 603, 'Chennai': 366}注意事项与总结
- NumPy数组与Python字典的存储方式：当一个Python字典被 np.array() 包裹时，如果该字典是唯一的元素，NumPy会将其作为一个 object 类型的元素存储，而不是尝试解析其内部结构。因此，不能直接对 np_city 进行字典操作。
- .item() 方法：这个方法对于从只包含单个元素的NumPy数组中提取该元素非常有用。
- 字典排序：Python字典本身是无序的（在Python 3.7+中保持插入顺序，但并非按键或值自动排序）。sorted() 函数返回的是一个排序后的键值对列表。为了得到一个保持排序顺序的字典，我们需要使用字典推导式将其重新构建。如果需要更严格的有序字典行为（例如，在旧版Python中），可以使用 collections.OrderedDict。
- 性能考量：对于非常大的字典，这种方法是有效的。如果数据量极其庞大且需要更复杂的数值计算或结构化操作，考虑使用 Pandas DataFrame 可能会提供更高的效率和更丰富的功能。Pandas DataFrame 可以直接从字典创建，并提供强大的排序、过滤和分析能力。
通过理解NumPy处理Python对象数组的机制以及Python字典的排序方法，我们可以有效地解决在NumPy数组中对内嵌字典进行排序的需求。
