确保NumPy数组中数据类型的一致性

uxh89sit 于 4个月前发布在其他

关注(0)|答案(1)|浏览(72)

我有一个Python脚本，我将2D列表my_list的每一行分成两部分。第一部分array1包含每行中除了最后两个元素之外的所有元素，第二部分array2，my_list中的行可以具有不同的长度，因此会出现挑战（假设每一行都有2个以上的元素）。下面是一个示例代码：

import numpy as np

my_list = [[1, 2, 3, 4], [5, 6, 7]]
back_crop = 2

list1 = [np.array(row[:-back_crop], dtype=np.float64) for row in my_list]
list2 = [np.array(row[-back_crop:], dtype=np.float64) for row in my_list]

array1 = np.array(list1, dtype=object)
array2 = np.array(list2, dtype=object)

print(array1, '\n', array2)
print(array1[0].dtype, array2[0].dtype)

字符串
这将打印：

[array([1., 2.]) array([5.])] 
 [[3.0 4.0]
 [6.0 7.0]]
float64 object

型
如何修改此代码以确保array1和array2都包含float64数据类型的数组，同时保持当前数组的维度（不使用零或NA值填充）？

numpy

来源：https://stackoverflow.com/questions/77520009/ensuring-consistent-data-types-in-numpy-arrays

1条答案

按热度按时间

bd1hkmkf1#

您的列表和数组：

In [57]: my_list = [[1, 2, 3, 4], [5, 6, 7]]
    ...: back_crop = 2
    ...: 
    ...: list1 = [np.array(row[:-back_crop], dtype=np.float64) for row in my_list]
    ...: list2 = [np.array(row[-back_crop:], dtype=np.float64) for row in my_list]
    ...: 
    ...: array1 = np.array(list1, dtype=object)
    ...: array2 = np.array(list2, dtype=object)

In [58]: array1
Out[58]: array([array([1., 2.]), array([5.])], dtype=object)

In [59]: array2
Out[59]: 
array([[3.0, 4.0],
       [6.0, 7.0]], dtype=object)

字符串
array2可以在没有object的情况下生成，得到一个数字dtype，仍然是（2，2）形状：

In [60]: np.array(list2)
Out[60]: 
array([[3., 4.],
       [6., 7.]])

型
你可以创建一个形状为（2，）的“空白”数组：

In [61]: array3 = np.empty(2, object)    
In [62]: array3
Out[62]: array([None, None], dtype=object)

型
并分配list1的元素：

In [63]: array3[:]=list1; array3
Out[63]: array([array([1., 2.]), array([5.])], dtype=object)

型
或列表2的元素：

In [64]: array3[:]=list2; array3
Out[64]: array([array([3., 4.]), array([6., 7.])], dtype=object)

型

赞(0）回复(0）举报 4个月前

我来回答

确保NumPy数组中数据类型的一致性

1条答案

相关问题

热门标签

最新问答