将m*n维的numpy数组转化为字典，其中第一列为key，后几列为该key的值且为数组形式，如果用pandas实现更好

可以使用 pandas 实现该操作，具体代码如下：

import pandas as pd
import numpy as np

# 创建一个 3x4 的numpy数组
arr = np.array([[1,2,3,4], [2,4,6,8], [3,6,9,12]])

# 将数组转化为 DataFrame
df = pd.DataFrame(arr, columns=['key', 'value1', 'value2', 'value3'])

# 将 DataFrame 转化为字典
result_dict = df.groupby('key').apply(lambda x: x.iloc[:,1:].values.tolist()).to_dict()

print(result_dict)

输出结果为：

{1: [[2, 3, 4]], 2: [[4, 6, 8]], 3: [[6, 9, 12]]}

其中，字典的 key 对应着第一列的数值，value 为一个二维列表，每个元素为一个数组，对应着该 key 的后面几列的数值。

相关问题

将m*n维的numpy数组转化为字典，其中第一列为key，后几列为该key的值且为列表形式

可以使用numpy模块的ndarray类型的tolist()方法将数组转换为Python的内置列表类型，然后使用Python的字典推导式生成字典。具体代码如下：

import numpy as np

# 创建一个m*n维的numpy数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 将数组转换为Python内置的列表类型
lst = arr.tolist()

# 使用字典推导式生成字典
my_dict = {row[0]: row[1:] for row in lst}

print(my_dict)

在上面的代码中，我们首先创建了一个3*3维的numpy数组，然后将其转换为Python内置的列表类型。接着，我们使用字典推导式生成字典，其中键为每一行的第一个元素，值为该行除第一个元素外的所有元素组成的列表。最后，打印生成的字典，输出如下：

{1: [2, 3], 4: [5, 6], 7: [8, 9]}

其中，字典的键对应原数组的第一列，后面的列表对应原数组的剩余列。

将m*n维的numpy数组转化为字典，其中每一行第一个值为索引，后面为为numpy数组，利用pandas实现

可以使用 pandas 实现该操作，具体代码如下：

import pandas as pd
import numpy as np

# 创建一个 3x4 的numpy数组
arr = np.array([[1,2,3,4], [2,4,6,8], [3,6,9,12]])

# 将数组转化为 DataFrame
df = pd.DataFrame(arr)

# 将第一列设置为索引列
df.set_index(0, inplace=True)

# 将 DataFrame 转化为字典
result_dict = df.apply(lambda x: x.values.tolist(), axis=1).to_dict()

print(result_dict)

输出结果为：

{1: [2, 3, 4], 2: [4, 6, 8], 3: [6, 9, 12]}

其中，字典的 key 对应着第一列的数值，value 为一个列表，对应着该行的后面几列的数值。