python – 将numpy列表数组转换为numpy数组

发布时间：2020-12-20 11:55:26 所属栏目：Python 来源：网络整理

导读：我有一些数据存储为dtype = object的numpy数组,我想提取一列列表并将其转换为numpy数组.这似乎是一个简单的问题,但我发现解决它的唯一方法是将整个事物重新编写为列表列表,然后将其重新设置为numpy数组.有更多的 pythonic方法吗？ import numpy as nparr = n

我有一些数据存储为dtype = object的numpy数组,我想提取一列列表并将其转换为numpy数组.这似乎是一个简单的问题,但我发现解决它的唯一方法是将整个事物重新编写为列表列表,然后将其重新设置为numpy数组.有更多的 pythonic方法吗？

import numpy as np

arr = np.array([[1,['a','b','c']],[2,'c']]],dtype=object)
arr = arr[:,1]

print(arr)
# [['a','c'] ['a','c']]

type(arr)
# numpy.ndarray
type(arr[0])
# list

arr.shape
# (2,)

将数组重新铸造为dtype = str会引发ValueError,因为它试图将每个列表转换为字符串.

arr.astype(str)
# ValueError: setting an array element with a sequence

可以将整个数组重建为列表列表,然后将其转换为numpy数组,但这似乎是一种迂回的方式.

arr_2 = np.array(list(arr))

type(arr_2)
# numpy.ndarray
type(arr_2[0])
# numpy.ndarray

arr_2.shape
# (2,3)

有一个更好的方法吗？

解决方法

虽然通过列表的方式比通过vstack更快：

In [1617]: timeit np.array(arr[:,1].tolist())
...
100000 loops,best of 3: 11.5 μs per loop
In [1618]: timeit np.vstack(arr[:,1])
...
10000 loops,best of 3: 54.1 μs per loop

vstack正在做：

np.concatenate([np.atleast_2d(a) for a in arr[:,1]],axis=0)

一些替代品：

In [1627]: timeit np.array([a for a in arr[:,1]])
100000 loops,best of 3: 18.6 μs per loop
In [1629]: timeit np.stack(arr[:,1],axis=0)
10000 loops,best of 3: 60.2 μs per loop

请记住,对象数组只包含指向内存中其他位置的列表的指针.虽然arr的2d特性使得选择第2列变得容易,但arr [：,1]实际上是列表的列表.大多数操作都是这样处理的.像重塑这样的东西不会越过那个对象边界.

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!