生成器传递给＆＃34; numpy.array＆＃34;？这是一个错误吗？

Question

如果生成器传递给numpy.array，numpy不会迭代对象，也不会抱怨，即使copy=True 。任何索引到数组的尝试都会失败，通常是在很晚以后和远程代码中。

我知道numpy想从一开始就知道数组的大小，但这种行为并不好。它应该复制到中间列表或引发异常。

Answer 1

这不是错误，而是正常行为。如果要从迭代器创建数组，请使用fromiter：

>>> import numpy
>>> a = (i*i for i in range(7))
>>> numpy.array(a)
array(<generator object <genexpr> at 0x10dbc1b40>, dtype=object)
>>> numpy.fromiter(a, dtype=float)
array([  0.,   1.,   4.,   9.,  16.,  25.,  36.])

Answer 2

不，这是一个设计决定。如果您想传入生成器，则需要使用np.fromiter：

>>> np.fromiter((i for i in range(10)), float)
array([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9.])

或在致电list之前将其转换为np.array：

>>> np.array(list(your_iterator))

这样做的一个原因是numpy需要多次迭代对象：一次确定结果数组的长度/ dytpe，一次插入项目。这对于只能迭代一次的生成器和迭代器来说并不好用。生成器的长度也可以是无限的（即itertools.count）和/或使用＆＃34;太多的内存＆＃34;。

理由可能是：如果有人想使用生成器来创建一个数组，那么它会使用大量内存并且速度很慢 - 所以应该有意识地完成它：通过将其转换为列表或者使用np.fromiter。