![](/img/trans.png)
[英]How to convert the 'dtype = object' NumPy array into 'dtype = float' array?
[英]convert numpy array from object dtype to float
如何轉換foll。 numpy從對象dtype到float:
array(['4,364,541', '2,330,200', '2,107,648', '1,525,711', '1,485,231',
'1,257,500', '1,098,200', '1,065,106', '962,100', '920,200',
'124,204', '122,320', '119,742', '116,627', '115,900', '108,400',
'108,400', '108,000', '103,795', '102,900', '101,845', '100,900',
'100,626'], dtype=object)
我試圖arr.astype(float)
但是,這並不因為工作,
每個字符串。
簡單的方法是刪除每個逗號:
np.array([v.replace(',', '') for v in arr], dtype=np.float32)
如果您有熊貓, to_numeric
是一個不錯的選擇。 它可以優雅地處理在替換后可能出現的所有無效值。
pd.to_numeric([v.replace(',', '') for v in arr], errors='coerce', downcast='float')
兩種方法都返回一個float數組作為輸出。
另一種方式
np.frompyfunc(lambda x: x.replace(',',''),1,1)(arr).astype(float)
frompyfunc
返回一個對象frompyfunc
數組,在這種情況下可以使用。 通常,我發現它比列表理解要快2倍,但在這里它的時間與@coldspeed's
:
np.array([v.replace(',', '') for v in arr], dtype=np.float32)
那可能是因為我們從對象dtype數組開始。 對象dtype上的直接迭代比列表上的迭代慢一些,但比常規numpy數組上的迭代快。 就像列表一樣,數組的元素是指向字符串的指針,不需要像字符串dtype數組那樣的“拆箱”。
(並且比np.char
版本快2至3 np.char
)。
鑒於:
>>> ar
array(['4,364,541', '2,330,200', '2,107,648', '1,525,711', '1,485,231',
'1,257,500', '1,098,200', '1,065,106', '962,100', '920,200',
'124,204', '122,320', '119,742', '116,627', '115,900', '108,400',
'108,400', '108,000', '103,795', '102,900', '101,845', '100,900',
'100,626'], dtype=object)
您可以使用filter
刪除所有非數字元素並創建浮點數:
>>> np.array(list(map(float, (''.join(filter(lambda c: c.isdigit(), s)) for s in ar))))
array([4364541., 2330200., 2107648., 1525711., 1485231., 1257500.,
1098200., 1065106., 962100., 920200., 124204., 122320.,
119742., 116627., 115900., 108400., 108400., 108000.,
103795., 102900., 101845., 100900., 100626.])
也可以使用numpy.core.defchararray.replace()
>>> numpy.core.defchararray.replace(arr, ',','').astype(np.float)
array([4364541., 2330200., 2107648., 1525711., 1485231., 1257500.,
1098200., 1065106., 962100., 920200., 124204., 122320.,
119742., 116627., 115900., 108400., 108400., 108000.,
103795., 102900., 101845., 100900., 100626.])
或如Cold的評論中所述的np.char.replace
。 自然,此包提供了為numpy.string_
或numpy.unicode_
類型的數組numpy.unicode_
如果是對象類型
replace(a.astype(np.unicode_), ',','').astype(np.float)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.