numpy数组的numpy数组 [英] Numpy array of numpy arrays

问题描述

当我创建一个由等长子列表组成的 numy 数组时，它隐式地将其转换为 (len(list), len(sub_list)) 二维数组:

<预><代码>>>>np.array([[1,2], [1,2]],dtype=object).shape(2, 2)

但是当我传递可变长度的子列表时，它会创建一个长度为 len(list) 的向量:

<预><代码>>>>np.array([[1,2], [1,2,3]],dtype=object).shape(2,)

当子列表的长度相同时，如何获得向量输出(即使第一种情况表现得像第二种情况)?

解决方案

给你...创建dtype=np.ndarray 而不是dtype=object.

下面的简单示例(有 5 个元素):

在[1]中:arr = np.empty((5,), dtype=np.ndarray)在 [2]: arr.shape输出[2]:(5,)在 [3] 中:arr[0]=np.array([1,2])在 [4] 中:arr[1]=np.array([2,3])在 [5] 中:arr[2]=np.array([1,2,3,4])在 [6]: arr出[6]:数组([数组([1, 2]), 数组([2, 3]), 数组([1, 2, 3, 4]), 无, 无],数据类型=对象)

When I create a numy array of a list of sublists of equal length, it implicitly converts it to a (len(list), len(sub_list)) 2d array:

>>> np.array([[1,2], [1,2]],dtype=object).shape
(2, 2)

But when I pass variable length sublists it creates a vector of length len(list):

>>> np.array([[1,2], [1,2,3]],dtype=object).shape
(2,)

How can I get a vector output when the sublists are the same length (i.e. make the first case behave like the second)?

解决方案

Here you go...create with dtype=np.ndarray instead of dtype=object.

Simple example below (with 5 elements):

In [1]: arr = np.empty((5,), dtype=np.ndarray)
In [2]: arr.shape
Out[2]: (5,)
    
In [3]: arr[0]=np.array([1,2])
In [4]: arr[1]=np.array([2,3])
In [5]: arr[2]=np.array([1,2,3,4])
In [6]: arr
Out[6]: 
array([array([1, 2]), array([2, 3]), array([1, 2, 3, 4]), None, None],
      dtype=object)

这篇关于numpy数组的numpy数组的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！