- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
为了简单起见,我定义了一个类,它不是 ndarray
的子类(由于很多原因我觉得它很复杂),但有一个 __array__()
返回给定固定形状的 nd.array 的方法。我们称这个类为 Foo
。
在我的脚本中,我还生成了大量 Foo 实例列表,我想将它们转换为数组的 numpy 数组。我可以使用 map 功能轻松完成:
numpy.array(map(lambda x: numpy.array(x), [foo_1, ..., foo_n]))
而且效果很好。我只是想知道如何让事情变得更加简单和高效,并让以下内容发挥作用:
numpy.array([foo_1, ..., foo_n])
(实际上它返回一个“没有设置异常的错误返回”...)。似乎提供 __array__
方法不足以授权列表的数组转换。有什么想法吗?
最佳答案
来自numpy.array docs ,你传入的对象必须满足:
An array, any object exposing the array interface, an object whose
__array__
method returns an array, or any (nested) sequence.
您实际上传递了一个 foo 对象的 list
,所以这个列表没有公开数组接口(interface),也没有 array
方法。这只剩下它是否是嵌套序列。要成为嵌套序列,您的 foo 对象可能需要是可迭代的。他们是吗? ( emulating python's container types )
不确定这是否更好,但您可能会这样做:
numpy.array([numpy.array(x) for x in [foo_1, ..., foo_n]])
如您所述,这是 Foo
的示例。它输出您期望的 ndarray(无一异常(exception))。希望您可以将其用作示例:
import numpy as np
class Foo(object):
def __init__(self):
self.arr = np.array([[1, 2, 3], [4, 5, 6], [7,8,9]], np.int32)
def __array__(self):
return self.arr
def __iter__(self):
for elem in self.arr:
yield elem
def __len__(self):
return len(self.arr)
def __getitem__(self, key):
return self.arr[key]
def main():
foos = [Foo() for i in range(10)]
print np.array(foos)
if __name__ == '__main__':
main()
关于python - numpy - 在不继承 ndarray 的情况下将对象列表转换为数组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/25435710/
在这个例子中,我有一个一维 ndarray 列表,长度为 9,列表有 9 个元素,每个元素有 shape=(2048,) ,所以完全9 * (2048,) , 我得到这些 ndarray来自 mxne
Python/NumPy 中的三种“全部”方法有什么区别?性能差异的原因是什么? ndarray.all() 是否总是三者中最快的? 这是我运行的计时测试: In [59]: a = np.full(
我似乎在 this 中遇到了 XY 问题关于如何判断数组是否共享相同内存的问题。我检查的方式是错误的,我不知道为什么。 举几个例子 test = np.ones((3,3)) test2 = np.a
我在使用 mxnet 进行基本 IO 方面遇到问题。我正在尝试使用 mxnet.io.NDArrayIter 读取内存数据集以在 mxnet 中进行训练。我有下面的代码(为了简洁而精简),它预处理代码
首先,这不是作业问题;而是作业问题。它是与我的工作相关的实际问题的抽象。我真的很感谢所有的意见! 我需要运行类似于下面的计算,按顺序运行数万次,它的计算时间显着影响我的模拟的总持续时间: 在这个抽象中
这个问题在这里已经有了答案: Index multidimensional array with index array (1 个回答) 关闭 2 年前。 我想根据一些坐标从 src ndarray
因此 numpy ndarray 非常方便,因为您只需为任何一维函数 f 和任何 ndarray A 输入 f(A) 即可,它将按元素应用 f。有人告诉我,这也是将函数应用于 ndarray 并避免
我有一个 ndarray 字符串。我想将它转换回 ndarray。我尝试了 newval = np.fromstring(val, dtype=float) 。但它给出了ValueError:字符串大
我正在 python/numpy 中做一些机器学习工作,其中我想用一维 ndarray 索引一个二维 ndarray,这样我就可以得到一个带有索引值的一维数组。 我让它与一些丑陋的代码一起工作,我想知
我想根据某些维度的索引位置数组提取 numpy ndarray 的一部分。让我用一个例子来说明这一点 示例数据 dummy = np.random.rand(5,2,100) X = np.array
这个问题在这里已经有了答案: Find the row indexes of several values in a numpy array (8 个答案) 关闭 2 年前。 我有 a = np.a
我想提取 numpy.ndarray 的第一个轴成为numpy.ndarray的列表. 例如,arr_A包含形状为 (3, 100, 200) 的 numpy ndarray,它将转换为形状为 (10
我一直在尝试用 ndarrays 的 numpy ndarray 转换数组数组。 这是我的数据类型: dt = 'i8,i8,i8,i8,i8,i8,i8,i8,i8,i8,i8,i8,i8,f8,i
我目前正在研究一种可以拆分 numpy.ndarray 的方法进入给定数量的子阵列,只要该数量小于窗口移动的轴。 示例: 给定一个形状为 (15, 40, 3) 的 numpy.ndarray 我想分
我用 arcpy 模块创建了一个 NumPy 结构化数组(称为 arr): arr = arcpy.da.FeatureClassToNumPyArray('MPtest','SHAPE@XYZ',e
是否可以将一个 numpy 数组的特定行的引用存储在另一个 numpy 数组中? 我有一个二维节点数组,例如 nodes = np.array([[1, 2], [2, 3], [3, 4], [4,
我有两个长度相同的 pandas 系列,如下所示: S1 = 0 -0.483415 1 -0.514082 2 -0.515724 3 -0.519375 4
当使用 numpy 时,假设我有一个任意的、以前创建的名为 my_ndarray 的 ndarray。如果可能的话,我希望能够执行以下操作...... my_bytes = my_ndarray.to
我在尝试使用 numpy 打乱多维数组时遇到问题。可以使用以下代码重现该问题: import numpy as np s=(300000, 3000) n=s[0] print ("Allocate"
当您调用 DataFrame.to_numpy() 时,pandas 将找到可以容纳 DataFrame 中所有数据类型的 NumPy 数据类型。但是如何进行反向操作呢? 我有一个“numpy.nda
我是一名优秀的程序员,十分优秀!