將1x1維數組的列表轉換為python中的浮點列表

Question

我有以下形式的清單：

[array([ 3755.16235032]),
 array([ 3755.16235032]),
 array([ 3755.16235032]),
 array([ 3755.16235032])]

我想要一份表格清單：

[3755.16235032,
 3755.16235032,
 3755.16235032,
 3755.16235032]

第一個列表的每個元素都是一個sci kit學習回歸器的結果。 我想要第二種格式，以便繪制分類器的預測。

Answer 1

使用np.concatenate避免手動迭代：

my_list = [np.array([ 3755.16235032]),
 np.array([ 3755.16235032]),
 np.array([ 3755.16235032]),
 np.array([ 3755.16235032])]

new_list = np.concatenate(my_list).tolist()

>>> new_list
[3755.16235032, 3755.16235032, 3755.16235032, 3755.16235032]

基准測試：

根據評論中的廣泛討論，這是我的基准測試：

my_list = [np.random.randn(1) for _ in range(100000)]

def concat_method(my_list=my_list):
    return np.concatenate(my_list).tolist()

def hstack_method(my_list=my_list):
    return np.hstack(my_list).tolist()

def flatten_method(my_list=my_list):
    return np.array(my_list).flatten().tolist()

def ravel_method(my_list=my_list):
    return np.array(my_list).ravel().tolist()

import timeit

>>> timeit.timeit(concat_method, number=100) / 100
0.025655772869977226
>>> timeit.timeit(hstack_method, number=100) / 100
0.1172302443100125
>>> timeit.timeit(ravel_method, number=100) / 100
0.041237239889997
>>> timeit.timeit(flatten_method, number=100) / 100
0.0412076849100049

Answer 2

另一個解決方案：給定x是您的輸入list ，您可以使用NumPy中的ravel()作為

xlst = list(np.array(x).ravel())
print (xlst)

或者您可以使用flatten()作為

xlst = list(np.array(x).flatten())
print (xlst)

如果您只想將最終答案作為數組，則無需將list放在=之后。 並且，如果您的輸入x已經是numpy數組類型，請將np.array(x).ravel()替換為x.ravel() 。

或者，如上面的答案中已經提到的，也可以使用np.array(x).flatten().tolist()和np.array(x).ravel().tolist()代替使用list()轉換為列表np.array(x).flatten().tolist() np.array(x).ravel().tolist()

出於以下一種答案中的注釋（感謝評論者）的啟發，對本頁列出的所有可能答案進行了一些時間分析（由於格式問題，很容易將其放在此處而不是注釋中）：

x = np.array([np.array([i]) for i in range(100000)])
%timeit np.concatenate(x).tolist()
%timeit np.hstack(x).tolist()
%timeit x.flatten().tolist()
%timeit x.ravel().tolist()

輸出量

10 loops, best of 3: 55.2 ms per loop
10 loops, best of 3: 155 ms per loop
100 loops, best of 3: 2.45 ms per loop
100 loops, best of 3: 2.29 ms per loop

Answer 3

通過使用hstack

np.hstack(my_list).tolist()
Out[180]: [3755.16235032, 3755.16235032, 3755.16235032, 3755.16235032]