如果你阅读列表中的数据，只需执行np.array(map(float, list_of_strings))（或者等价地，使用列表解析）（在Python 3中，如果你使用map，你需要在map返回值上调用list，因为map现在返回迭代器）。
但是，如果它已经是一个numpy字符串数组，有一个更好的方法。使用astype()。

import numpy as np
x = np.array(['1.1', '2.2', '3.3'])
y = x.astype(np.float)

字符串

另一个选项可能是numpy.asarray：

import numpy as np
a = ["1.1", "2.2", "3.2"]
b = np.asarray(a, dtype=float)

print(a, type(a), type(a[0]))
print(b, type(b), type(b[0]))

字符串
导致：

['1.1', '2.2', '3.2'] <class 'list'> <class 'str'>
[1.1 2.2 3.2] <class 'numpy.ndarray'> <class 'numpy.float64'>

型

如果你有（或创建）一个字符串，你可以使用np.fromstring：

import numpy as np
x = ["1.1", "2.2", "3.2"]
x = ','.join(x)
x = np.fromstring( x, dtype=np.float, sep=',' )

字符串
注意，x = ','.join(x)将x数组转换为字符串'1.1, 2.2, 3.2'。如果从txt文件中读取一行，则每行都已经是一个字符串。

您可以将np.array()与dtype = float一起使用：

import numpy as np

x = ["1.1", "2.2", "3.2"]
y = np.array(x,dtype=float)

字符串
输出量：

array([1.1, 2.2, 3.2])

型

你也可以用这个

import numpy as np
x=np.array(['1.1', '2.2', '3.3'])
x=np.asfarray(x,float)

字符串

如果你有一个包含无效值的数组，比如一个空字符串（''），那么直接的强制转换会引发一个错误。如果你只是想把这个“有问题”的数组转换成一个numpy浮点数组，然后处理无效值，那么pandas包有一个函数（pandas.to_numeric），它把无效值设置为NaN，把其余的转换为浮点。

import pandas as pd

a = np.array(["1.1", "2.2"], float)      # OK

lst = ["1.1", "2.2", "3.2.", ""]
a = np.array(lst, float)                 # ValueError: could not convert string to float: '3.2.'
a = pd.to_numeric(lst, errors='coerce')  # array([1.1, 2.2, nan, nan])

字符串