如何将 (dtype=object) numpy 数组值设置为 Python 列表，而不需要 numpy 将列表解释为值列表？

Question

我有一个 dtype=object 数组，其中值要么是 Python 列表，要么是np.nan.

我想用np.nan[None] （不是 None）替换值。

对于纯 Python 列表，我已经可以使用 来完成此操作[ x if (x is not np.nan) else [None] for x in s ]，并且将数组转换为列表对于我的目的来说很好，但出于好奇，我想知道如何使用 numpy 数组来完成此操作。困难在于，当使用索引时，numpy 尝试将任何列表解释为值列表，而不是我想要分配的实际值。

例如，如果我想用 替换这些值2，那很容易（正常的 np、pd 导入；顺便说一句， np.isnan 在这种情况下不起作用，这是选择 float NaN 来表示 pandas 中通用缺失值的弱点，所以我使用 pd.isnull，因为这是针对 pandas 内部的问题）：

In [53]: s
Out[53]:
array([['asdf', 'asdf'], ['asdf'], nan, ['asdf', 'asdf', 'asdf'],
       ['asdf', 'asdf', 'asdf']], dtype=object)

In [55]: s[pd.isnull(s)] = 2

In [56]: s
Out[56]:
array([['asdf', 'asdf'], ['asdf'], 2, ['asdf', 'asdf', 'asdf'],
       ['asdf', 'asdf', 'asdf']], dtype=object)

然而，尝试用 [None] 替换它们，却将它们替换为 None：

In [58]: s
Out[58]:
array([['asdf', 'asdf'], ['asdf'], nan, ['asdf', 'asdf', 'asdf'],
       ['asdf', 'asdf', 'asdf']], dtype=object)

In [59]: s[pd.isnull(s)] = [None]

In [60]: s
Out[60]:
array([['asdf', 'asdf'], ['asdf'], None, ['asdf', 'asdf', 'asdf'],
       ['asdf', 'asdf', 'asdf']], dtype=object)

显然，99% 的情况下这是人们想要的行为。恰巧这一次，我想将列表分配为一个对象。有什么办法可以做到吗？

Answer 1

第一个问题是s[\xe2\x80\xa6] = [None]尝试用一个值的序列 替换数组切片None。您真正想要的是将切片替换为一个值的序列，[None]您可以将其写为[[None]]。

\n\n

然而，这并不能真正解决你的问题；这只会让你找到你最初想问的问题。

\n\n

您需要明确地拥有一个包含1 个元素的数组object，该数组恰好是 list [None]。例如：

\n\n

>>> n = np.array([[None], 0], dtype=object)[:1]\n>>> s[pd.isnull(s)] = n\n

\n\n

或者，当然：

\n\n

>>> n = np.empty((1,), dtype=object)\n>>> n[0] = [None]\n>>> s[pd.isnull(s)] = n\n

\n\n

我 90% 确信有一种更简洁、更易读的方法来创建保证具有 value 的 1 元素数组[None]，并且 80%​​ 确信有一种更简单的方法可以首先完成整个事情，所以希望有人会来有一个更好的答案\xe2\x80\xa6，但如果没有，这会起作用。

\n