Question

我想将1D numpy数组拆分成列表列表，但我不确定如何做到这一点。

基本上我正在处理一个充满标签的数组：

array(['java database servlets derby', 'java graphics groovy awt basic',
       'java lucene', ..., 'javascript android',
       'iphone ios ipad file uiimage',
       'javascript jquery transition effect'], dtype=object)

有形状：

(5000L,)

正如您所看到的，每一行都包含由空格分隔的标签。我希望将每一行存储为一个列表，将所有标记作为单独的元素，并将这些列表组合到一个列表列表中。结果应如下所示：

list_of_lists = [["tag","tag","tag"],["tag","tag","tag"]...]

我怎么能实现这个目标？如果你们知道一个更好的方法来实现我想要的东西（即我可以将每个标签作为指定行的元素访问的数据结构），我很高兴听到它。

提前致谢。

Answer 1

使用列表理解，str.split：

>>> from numpy import array
>>> a = array(['java database servlets derby', 'java graphics groovy awt basic',
...            'java lucene', 'javascript android',
...            'iphone ios ipad file uiimage',
...            'javascript jquery transition effect'])
>>> list_of_lists = [x.split() for x in a]
>>> list_of_lists
[['java', 'database', 'servlets', 'derby'],
 ['java', 'graphics', 'groovy', 'awt', 'basic'],
 ['java', 'lucene'],
 ['javascript', 'android'],
 ['iphone', 'ios', 'ipad', 'file', 'uiimage'],
 ['javascript', 'jquery', 'transition', 'effect']]

Answer 2

dtype=object数组与falsetru回答中的版本有dtype='|S35'之间存在字幕差异。第一个是指向字符串的指针数组，另一个是长度为35的6个字符串，总共210个字节。 [x.split() for x in a]对于两者都是相同的。但object数组允许：

for i in range(6): a[i]=a[i].split()

生产

array([['java', 'database', 'servlets', 'derby'],
       ['java', 'graphics', 'groovy', 'awt', 'basic'], ['java', 'lucene'],
       ['javascript', 'android'],
       ['iphone', 'ios', 'ipad', 'file', 'uiimage'],
       ['javascript', 'jquery', 'transition', 'effect']], dtype=object)

如果所有这些子列表具有相同的长度，或填充到相同的长度，则可以将它们放入结构化阵列中。 e.g。

array([('java', 'database', 'servlets', 'derby', ''),
       ('java', 'graphics', 'groovy', 'awt', 'basic'),
       ('java', 'lucene', '', '', ''),
       ('javascript', 'android', '', '', ''),
       ('iphone', 'ios', 'ipad', 'file', 'uiimage'),
       ('javascript', 'jquery', 'transition', 'effect', '')], 
      dtype=[('f0', 'S10'), ('f1', 'S10'), ('f2', 'S10'), ('f3', 'S10'), ('f4', 'S10')])

然后您可以按名称

访问所有“行”中的特定字段

a2['f0']
# array(['java', 'java', 'java', 'javascript', 'iphone', 'javascript'],dtype='|S10')

http://docs.scipy.org/doc/numpy/user/basics.rec.html

Answer 3

这是numpy，请不要使用循环：P您可以使用np.char.split一次只将split应用于数组的所有元素：

A = np.char.split(A)

如果你真的想要

，你不需要把它列为一个列表

一种数据结构，我可以在其中访问每个标记作为指定行的元素

只是阵列可以正常工作：

>>> A = np.char.split(A)
>>> A[0]
['java', 'database', 'servlets', 'derby']
>>> A
array([['java', 'database', 'servlets', 'derby'],
       ['java', 'graphics', 'groovy', 'awt', 'basic'], ['java', 'lucene'],
       ['javascript', 'android'],
       ['iphone', 'ios', 'ipad', 'file', 'uiimage'],
       ['javascript', 'jquery', 'transition', 'effect']], dtype=object)

但您可以转换为包含以下内容的列表：

>>> A.tolist()
[['java', 'database', 'servlets', 'derby'],
 ['java', 'graphics', 'groovy', 'awt', 'basic'],
 ['java', 'lucene'],
 ['javascript', 'android'],
 ['iphone', 'ios', 'ipad', 'file', 'uiimage'],
 ['javascript', 'jquery', 'transition', 'effect']]

（请注意，如果您的dtype为object，请先使用A = A.astype('S')将其设为字符串数组。）

老实说，在长度为5000的数组中，似乎这与循环理解的速度大致相同。 np.char可能在引擎盖下没有太大的不同。

顺便说一句，如果您没有将pandas用于其他任何事情，您可以使用numpy本身阅读文本。如果您的文件如下：

java database servlets derby
java graphics groovy awt basic
java lucene
javascript android
iphone ios ipad file uiimage
javascript jquery transition effect

然后：

A = np.genfromtxt('tags.txt', dtype='S', delimiter='\n')
A = np.char.split(A)

将1D numpy数组转换为列表列表

3 个答案: