Question

为了简单起见，我已经定义了一个没有从ndarray子类化的类（由于很多原因，我发现它非常复杂），但是有一个返回nd的__array__()方法。给定固定形状的数组。我们称这个班为Foo。

在我的脚本中，我还生成了大量的Foo实例列表，我想将它们转换为数组的numpy数组。我可以使用地图功能轻松完成：

numpy.array(map(lambda x: numpy.array(x), [foo_1, ..., foo_n]))

它工作正常。我只是想知道如何让事情变得更加简单和高效，并让以下工作：

numpy.array([foo_1, ..., foo_n])

（实际上它返回一个＆＃34;错误返回而没有异常设置＆＃34; ...）。似乎提供__array__方法不足以授权列表的数组转换。有什么想法吗？

Answer 1

从numpy.array docs，您传入的对象必须满足：

数组，公开数组接口的任何对象，__array__方法返回数组的对象，或任何（嵌套）序列。

您实际上传递了list个foo对象，因此此列表不会公开数组接口，也没有array方法。这只留下它是否是嵌套序列。要成为嵌套序列，您的foo对象可能需要是可迭代的。是吗？（emulating python's container types）

不确定这是否更好，但您可能会这样做：

numpy.array([numpy.array(x) for x in [foo_1, ..., foo_n]])

以下是Foo的示例，正如您所描述的那样。它输出你期望的ndarray（没有例外）。希望你可以用它作为例子：

import numpy as np

class Foo(object):
    def __init__(self):
        self.arr = np.array([[1, 2, 3], [4, 5, 6], [7,8,9]], np.int32)

    def __array__(self):
        return self.arr

    def __iter__(self):
        for elem in self.arr:
            yield elem

    def __len__(self):
        return len(self.arr)

    def __getitem__(self, key):
        return self.arr[key]

def main():
    foos = [Foo() for i in range(10)]
    print np.array(foos)


if __name__ == '__main__':
    main()

Answer 2

这将更有效，更简洁，您不需要lambda地图：

numpy.array(map(numpy.array,[foo_1, ..., foo_n]))

numpy - 将对象列表转换为数组，而无需子类化ndarray

2 个答案: