我看到一些奇怪的东西。我有一个字符串的初始Python列表，您可以将字符串视为表中的行，第一行包含标题标签。我想把它放在一个numpy数组中。然而，当我将python列表转换为numpy数组时，列表中的值似乎被转换回字符串，除非我在numpy数组中不包含标题行。代码如下：
import numpy as np
mylist = ['Col1,Col2,Col3,Label','1,2,3,0','2,2,2,0','3,3,3,0']
X = []
for line in range(len(mylist)):
sp = mylist[line].split(',')
if line != 0:
sp = [float(element) for element in sp]
X.append(sp)
else:
# Header labels
X.append(sp)
print(X)
W = np.array(X)
print(W)字符串
您可以在这里看到输出，其中第一行是在将列表转换为numpy数组之前，第二行是在转换之后。
[['Col1', 'Col2', 'Col3', 'Label'], [1.0, 2.0, 3.0, 0.0], [2.0, 2.0, 2.0, 0.0], [3.0, 3.0, 3.0, 0.0]]
[['Col1' 'Col2' 'Col3' 'Label']
['1.0' '2.0' '3.0' '0.0']
['2.0' '2.0' '2.0' '0.0']
['3.0' '3.0' '3.0' '0.0']]型
如果我删除了header行的附加，那么它就可以工作了...当然没有header数组，但是类型是正确的：
mylist = ['Col1,Col2,Col3,Label','1,2,3,0','2,2,2,0','3,3,3,0']
X = []
for line in range(len(mylist)):
sp = mylist[line].split(',')
if line != 0:
sp = [float(element) for element in sp]
X.append(sp)
print(X)
W = np.array(X)
print(W)型
输出量：
[[1.0, 2.0, 3.0, 0.0], [2.0, 2.0, 2.0, 0.0], [3.0, 3.0, 3.0, 0.0]]
[[1. 2. 3. 0.]
[2. 2. 2. 0.]
[3. 3. 3. 0.]]型
2条答案
按热度按时间jhiyze9q1#
当将字符串和数字的列表转换为numpy数组时，数组将被设置为字符串
dtype（在本例中为'<U32'），以便它们都是相同的数据类型。如果你想要一个字符串和数字的混合，那么你可以告诉numpy用dtype=object创建数组。但是numpy的速度只有在使用一致的数据类型时才能实现，最好是数值数据类型。字符串
如果你想要混合数据类型，你最好使用python列表。或者，您的示例似乎更适合pandas，您可以使用指定的列名和数据创建
DataFrame。dfddblmv2#
numpy是用C编写的，因此，在大多数情况下，numpy的行为与C数组非常相似。这意味着numpy数组有一个特定的类型，数组中的所有内容都必须是该类型。因此，当您将头文件添加到
W时，它会自动将数组的类型设置为字符串，并尝试将添加到其中的任何内容也转换为字符串。这就是为什么数字在添加时转换为字符串的原因。这与python列表的工作方式不同，因为它们没有任何特定的类型，允许您在同一列表中混合和匹配不同的类型。
要解决这个问题，您可以将
W的类型设置为对象，这样它就可以接受任何类型的对象：字符串
注意，这将使你的代码稍微慢一点，因为现在numpy不会知道数组中的项目的类型。但如果尺寸很小，那就不重要了。
或者，您可以有两个单独的数组，一个是列标题，另一个是实际值。这样，你将保留更多numpy提供的加速：
型