为什么上述生成字典不能用my_dict.my_array来显示数据?
时间: 2023-07-16 14:12:01 浏览: 53
上述生成的字典是使用Python内置的`dict()`函数生成的,生成的是一个普通的字典对象。而`my_dict`是一个自定义的类,它的`my_array`属性是一个数组对象。这两者是不同类型的对象,无法直接互相转换或使用。
如果你想要将生成的字典对象转换为数组对象并使用`my_dict.my_array`来访问数据,可以考虑编写一些转换代码或者重新设计`my_dict`类的结构。例如,你可以编写一个将字典转换为数组的方法,并将其添加到`my_dict`类中。或者你可以直接使用字典对象,而不是尝试将其转换为数组。
相关问题
如何将字典保存为.npy文件
你可以使用NumPy中的np.save()函数来将字典保存为.npy文件。具体实现步骤如下:
1. 将字典转换为NumPy数组。可以使用np.array()函数来实现。
2. 使用np.save()函数将数组保存为.npy文件。np.save()函数需要两个参数:文件名和要保存的数组。
下面是一个示例代码:
``` python
import numpy as np
my_dict = {'a': 1, 'b': 2, 'c': 3}
# 将字典转换为NumPy数组
my_array = np.array(list(my_dict.items()))
# 将数组保存为.npy文件
np.save('my_dict.npy', my_array)
```
执行完上述代码后,当前工作目录中会生成一个名为`my_dict.npy`的文件,其中保存了转换后的NumPy数组。
if name == 'main': # 实例化问题对象 problem = MyProblem() # 生成问题对象 # 快速构建算法 algorithm = ea.soea_DE_currentToBest_1_bin_templet( problem, ea.Population(Encoding='RI', NIND=20), MAXGEN=400, # 最大进化代数。 logTras=0) # 表示每隔多少代记录一次日志信息,0表示不记录。 algorithm.mutOper.F = 0.7 # 差分进化中的参数F。 algorithm.recOper.XOVR = 0.7 # 交叉概率。 # 先验知识 prophetVars = np.array([[2000, 2000, 2000, 2000, 2000, 2000]]) # 假设已知[0.4, 0.2, 0.4]为一组比较优秀的变量。 # # 求解 res = ea.optimize(algorithm, prophet=prophetVars, verbose=True, drawing=1, outputMsg=True, drawLog=True, saveFlag=True) print(res) data = pd.DataFrame() data['BestFitness'] = [item.FitV for item in res.history] data['MeanFitness'] = [item.FitnV for item in res.history] data['Generation'] = range(1, len(res.history) + 1) data.to_excel('data.xlsx', index=False)这段代码报错,错误是:AttributeError: 'dict' object has no attribute 'history'如何修改
这个错误提示是因为 `res` 是一个字典对象,而字典对象没有 `history` 属性。可以使用 `res['history']` 来获取历史进化信息。修改代码如下:
```python
if __name__ == '__main__':
# 实例化问题对象
problem = MyProblem()
# 生成问题对象
# 快速构建算法
algorithm = ea.soea_DE_currentToBest_1_bin_templet(
problem, ea.Population(Encoding='RI', NIND=20), MAXGEN=400, # 最大进化代数。
logTras=0) # 表示每隔多少代记录一次日志信息,0表示不记录。
algorithm.mutOper.F = 0.7 # 差分进化中的参数F。
algorithm.recOper.XOVR = 0.7 # 交叉概率。
# 先验知识
prophetVars = np.array([[2000, 2000, 2000, 2000, 2000, 2000]])
# 假设已知[0.4, 0.2, 0.4]为一组比较优秀的变量。
# 求解
res = ea.optimize(algorithm, prophet=prophetVars, verbose=True, drawing=1, outputMsg=True, drawLog=True, saveFlag=True)
print(res)
data = pd.DataFrame()
data['BestFitness'] = [item.FitV for item in res['history']]
data['MeanFitness'] = [item.FitnV for item in res['history']]
data['Generation'] = range(1, len(res['history']) + 1)
data.to_excel('data.xlsx', index=False)
```
这样就可以成功运行并且保存数据到 Excel 文件中了。