如何将 [numpy.ndarray of ndarrays] 转换为一个 ndarray 数字

Question

我不知何故得到了以下类型的奇怪的嵌套 numpy 数组。 我想知道是否有某种方法可以将其转换为普通的（在输出中没有所有这些“数组”）。

features
> array([array([1, 0]), array([2, 0]), array([3, 0]), array([4, 0]),
       array([5, 0]), array([6, 0]), array([7, 0]), array([8, 0]),
       array([9, 0])], dtype=object)

features.reshape((9,1))
> array([[array([1, 0])],
       [array([2, 0])],
       [array([3, 0])],
       [array([4, 0])],
       [array([5, 0])],
       [array([6, 0])],
       [array([7, 0])],
       [array([8, 0])],
       [array([9, 0])]], dtype=object)

features.flatten()
> array([array([1, 0]), array([2, 0]), array([3, 0]), array([4, 0]),
       array([5, 0]), array([6, 0]), array([7, 0]), array([8, 0]),
       array([9, 0])], dtype=object)

features.squeeze()
> array([array([1, 0]), array([2, 0]), array([3, 0]), array([4, 0]),
       array([5, 0]), array([6, 0]), array([7, 0]), array([8, 0]),
       array([9, 0])], dtype=object)

features.reshape((-1,2))
> ValueError: cannot reshape array of size 9 into shape (2)

这个问题很重要，因为它弄乱了数组的形状。 例如，

features.shape
> (9,)

虽然它确实应该是(9,2) 。

我真的很感谢你的帮助。

所需的 Output：

features
> array([[1, 0],
       [2, 0],
       [3, 0],
       [4, 0],
       [5, 0],
       [6, 0],
       [7, 0],
       [8, 0],
       [9, 0]], dtype=int32)

features.ndim
> 2

features.shape
> (9,2)

更新：@MaxNoe 的评论指出我的错误是数组不是矩形的。 但是，通过调试终端更正错误后，我仍然无法轻松地将数组转换为 dtype=int32。 似乎一旦 numpy 将 ndarray 识别为 object 几乎没有办法将其视为数字。

我的兴趣是是否有一种简单的方法来进行转换。 如果没有，我最好编辑我的代码以避免这种情况发生。

为确保我们拥有相同的东西，您可以运行

import pickle
features = pickle.loads(b'\x80\x03cnumpy.core.multiarray\n_reconstruct\nq\x00cnumpy\nndarray\nq\x01K\x00\x85q\x02C\x01bq\x03\x87q\x04Rq\x05(K\x01K\x04K\x02\x86q\x06cnumpy\ndtype\nq\x07X\x02\x00\x00\x00O8q\x08K\x00K\x01\x87q\tRq\n(K\x03X\x01\x00\x00\x00|q\x0bNNNJ\xff\xff\xff\xffJ\xff\xff\xff\xffK?tq\x0cb\x89]q\r(h\x00h\x01K\x00\x85q\x0eh\x03\x87q\x0fRq\x10(K\x01K\x02\x85q\x11h\x07X\x02\x00\x00\x00i4q\x12K\x00K\x01\x87q\x13Rq\x14(K\x03X\x01\x00\x00\x00<q\x15NNNJ\xff\xff\xff\xffJ\xff\xff\xff\xffK\x00tq\x16b\x89C\x08\x01\x00\x00\x00\x00\x00\x00\x00q\x17tq\x18bh\x00h\x01K\x00\x85q\x19h\x03\x87q\x1aRq\x1b(K\x01K\x02\x85q\x1ch\x14\x89C\x08\x02\x00\x00\x00\x00\x00\x00\x00q\x1dtq\x1ebh\x00h\x01K\x00\x85q\x1fh\x03\x87q Rq!(K\x01K\x02\x85q"h\x14\x89C\x08\x03\x00\x00\x00\x00\x00\x00\x00q#tq$bh\x00h\x01K\x00\x85q%h\x03\x87q&Rq\'(K\x01K\x02\x85q(h\x14\x89C\x08\x04\x00\x00\x00\x00\x00\x00\x00q)tq*bh\x00h\x01K\x00\x85q+h\x03\x87q,Rq-(K\x01K\x02\x85q.h\x14\x89C\x08\x05\x00\x00\x00\x00\x00\x00\x00q/tq0bh\x00h\x01K\x00\x85q1h\x03\x87q2Rq3(K\x01K\x02\x85q4h\x14\x89C\x08\x06\x00\x00\x00\x00\x00\x00\x00q5tq6bh\x00h\x01K\x00\x85q7h\x03\x87q8Rq9(K\x01K\x02\x85q:h\x14\x89C\x08\x08\x00\x00\x00\x00\x00\x00\x00q;tq<bh\x00h\x01K\x00\x85q=h\x03\x87q>Rq?(K\x01K\x02\x85q@h\x14\x89C\x08\t\x00\x00\x00\x00\x00\x00\x00qAtqBbetqCb.')

Answer 1

就这么简单：

features = np.array([np.array([1, 0]), np.array([2, 0]), np.array([3, 0]), np.array([4, 0]),
   np.array([5, 0]), np.array([6, 0]), np.array([7, 0]), np.array([8, 0]),
   np.array([9, 0])], dtype=object)

features = np.reshape(features, (-1, 2)).astype('Int32')
print(features)
# output 
[[1 0]
 [2 0]
 [3 0]
 [4 0]
 [5 0]
 [6 0]
 [7 0]
 [8 0]
 [9 0]]

print(features.dtype) # int32
print(features.ndim)  # 2 
print(features.shape) # (9, 2)

Answer 2

一种解决方案是使用 tolist 然后转换回来。

np.array(features.tolist(),dtype=np.int32)

我只能以一种奇怪的方式创建你的数组：

features = np.array([np.array([1, 0]), np.array([2, 0]), np.array([3, 0]), np.array([4, 0]),
                     np.array([5, 0]), np.array([6, 0]), np.array([7, 0]), np.array([8, 0]),
                     np.array([9])], dtype=object)
features[-1] = np.array([9,0])

>>>features

   array([array([1, 0]),
          array([2, 0]), array([3, 0]),
          array([4, 0]),
          array([5, 0]),
          array([6, 0]),
          array([7, 0]),
          array([8, 0]),
          array([9, 0])], dtype=object)

features = np.array(features.tolist(),dtype=np.int32)

>>>features
array([[1, 0],
       [2, 0],
       [3, 0],
       [4, 0],
       [5, 0],
       [6, 0],
       [7, 0],
       [8, 0],
       [9, 0]], dtype=int32)

Answer 3

我可以使用以下方法重新创建您的数组：

In [126]: array=np.array                                                                               
In [127]: alist = [array([1, 0]), array([2, 0]), array([3, 0]), array([4, 0]), 
     ...:        array([5, 0]), array([6, 0]), array([7, 0]), array([8, 0]), 
     ...:        array([9, 0])]                                                                        
In [128]: len(alist)                                                                                   
Out[128]: 9
In [129]: arr = np.empty(9, dtype=object)                                                              
In [130]: arr[:]=alist                                                                                 
In [131]: arr                                                                                          
Out[131]: 
array([array([1, 0]), array([2, 0]), array([3, 0]), array([4, 0]),
       array([5, 0]), array([6, 0]), array([7, 0]), array([8, 0]),
       array([9, 0])], dtype=object)

np.stack是将 arrays 合二为一的好方法。 np.vstack也可以。

In [132]: np.stack(arr)                                                                                
Out[132]: 
array([[1, 0],
       [2, 0],
       [3, 0],
       [4, 0],
       [5, 0],
       [6, 0],
       [7, 0],
       [8, 0],
       [9, 0]])

我没有简单地复制粘贴原始数组的原因是它会跳过 object dtype：

In [133]: np.array(alist)                                                                              
Out[133]: 
array([[1, 0],
       [2, 0],
       [3, 0],
       [4, 0],
       [5, 0],
       [6, 0],
       [7, 0],
       [8, 0],
       [9, 0]])

reshape ， flattened等什么都不做，因为 object dtype 形状是 (9,)，而不是任何可以重塑为 (9,2) 的东西。 您必须认真对待 object dtype！