将列表的numpy数组转换为numpy数组

Question

我有一些数据用numpy数组存储dtype=object，我想提取列表的一列并将其转换为numpy数组。看来这是一个简单的问题，但是我发现解决此问题的唯一方法是将整个对象重铸为列表列表，然后将其重铸为numpy数组。还有更Python化的方法吗？

import numpy as np

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

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

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

arr.shape
# (2,)

将数组重铸为dtype=str会引发一个，ValueError因为它试图将每个列表转换为一个字符串。

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，然后将其强制转换为numpy数组，但这似乎是一种回旋方式。

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？

Answer 1

虽然通过列表的方式比通过vstack：

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 是在做：

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

一些替代方案：

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 的 2d 性质arr使选择第二列变得容易，但arr[:,1]实际上是一个列表列表。并且对它的大多数操作都是这样对待它的。诸如此类的reshape事情不要跨越那个object界限。

Answer 2

一种方法是使用堆叠操作，例如np.vstack-

np.vstack(arr[:, 1])

样品运行 -

In [234]: arr
Out[234]: 
array([[1, ['a', 'b', 'c']],
       [2, ['a', 'b', 'c']]], dtype=object)

In [235]: arr[:,1]
Out[235]: array([['a', 'b', 'c'], ['a', 'b', 'c']], dtype=object)

In [236]: np.vstack(arr[:, 1])
Out[236]: 
array([['a', 'b', 'c'],
       ['a', 'b', 'c']], 
      dtype='|S1')

我相信np.vstack会在内部使用np.concatenate. 因此，要直接使用它，我们将 -

np.concatenate(arr[:, 1]).reshape(len(arr),-1)