Question

创建NumPy数组并将其保存为Django上下文变量后，加载网页时收到以下错误：

array([   0,  239,  479,  717,  952, 1192, 1432, 1667], dtype=int64) is not JSON serializable

这是什么意思？

Answer 1

我经常＆＃34; jsonify＆＃34; np.arrays。尝试使用＆＃34; .tolist（）＆＃34;首先在数组上的方法，如下所示：

import numpy as np
import codecs, json 

a = np.arange(10).reshape(2,5) # a 2 by 5 array
b = a.tolist() # nested lists with same data, indices
file_path = "/path.json" ## your path variable
json.dump(b, codecs.open(file_path, 'w', encoding='utf-8'), separators=(',', ':'), sort_keys=True, indent=4) ### this saves the array in .json format

为了＆＃34; unjsonify＆＃34;数组使用：

obj_text = codecs.open(file_path, 'r', encoding='utf-8').read()
b_new = json.loads(obj_text)
a_new = np.array(b_new)

Answer 2

将JSON存储为numpy.ndarray或任何嵌套列表组合。

class NumpyEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, np.ndarray):
            return obj.tolist()
        return json.JSONEncoder.default(self, obj)

a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.shape)
json_dump = json.dumps({'a': a, 'aa': [2, (2, 3, 4), a], 'bb': [2]}, cls=NumpyEncoder)
print(json_dump)

将输出：

(2, 3)
{"a": [[1, 2, 3], [4, 5, 6]], "aa": [2, [2, 3, 4], [[1, 2, 3], [4, 5, 6]]], "bb": [2]}

从JSON恢复：

json_load = json.loads(json_dump)
a_restored = np.asarray(json_load["a"])
print(a_restored)
print(a_restored.shape)

将输出：

[[1 2 3]
 [4 5 6]]
(2, 3)

Answer 3

您可以使用Pandas：

import pandas as pd
pd.Series(your_array).to_json(orient='values')

Answer 4

如果您在字典中嵌套了numpy数组，我找到了最佳解决方案：

import json
import numpy as np

class NumpyEncoder(json.JSONEncoder):
    """ Special json encoder for numpy types """
    def default(self, obj):
        if isinstance(obj, (np.int_, np.intc, np.intp, np.int8,
            np.int16, np.int32, np.int64, np.uint8,
            np.uint16, np.uint32, np.uint64)):
            return int(obj)
        elif isinstance(obj, (np.float_, np.float16, np.float32, 
            np.float64)):
            return float(obj)
        elif isinstance(obj,(np.ndarray,)): #### This is the fix
            return obj.tolist()
        return json.JSONEncoder.default(self, obj)

dumped = json.dumps(data, cls=NumpyEncoder)

with open(path, 'w') as f:
    json.dump(dumped, f)

感谢this guy。

Answer 5

许多其他的numpy编码器似乎过于冗长。

检查对象是否来自numpy模块，如果是，则对ndarray使用ndarray.tolist或对其他任何numpy特定类型使用.item。

使用json.dumps default kwarg：

默认值应该是一个针对无法序列化的对象调用的函数。

import numpy as np

def default(obj):
    if type(obj).__module__ == np.__name__:
        if isinstance(obj, np.ndarray):
            return obj.tolist()
        else:
            return obj.item()
    raise TypeError('Unknown type:', type(obj))

dumped = json.dumps(data, default=default)

Answer 6

默认情况下不支持此功能，但您可以轻松使用它！如果您想要完全相同的数据，有几件事情需要编码：

数据本身，您可以使用obj.tolist()作为@travelingbones提到。有时这可能已经足够了。
数据类型。在某些情况下，我觉得这很重要。
维度（不一定是2D），如果您假设输入确实总是“矩形”网格，则可以从上面得出。
内存顺序（行或列主要）。这通常并不重要，但有时它会（例如性能），所以为什么不保存所有内容？

此外，您的numpy数组可能是您数据结构的一部分，例如你有一个里面有一些矩阵的列表。为此，您可以使用基本上完成上述操作的自定义编码器。

这应该足以实现解决方案。或者你可以使用json-tricks这样做（并支持其他各种类型）（免责声明：我做到了）。

pip install json-tricks

然后

data = [
    arange(0, 10, 1, dtype=int).reshape((2, 5)),
    datetime(year=2017, month=1, day=19, hour=23, minute=00, second=00),
    1 + 2j,
    Decimal(42),
    Fraction(1, 3),
    MyTestCls(s='ub', dct={'7': 7}),  # see later
    set(range(7)),
]
# Encode with metadata to preserve types when decoding
print(dumps(data))

Answer 7

我在嵌套字典中遇到了类似的问题，其中包含一些numpy.ndarrays。

def jsonify(data):
    json_data = dict()
    for key, value in data.iteritems():
        if isinstance(value, list): # for lists
            value = [ jsonify(item) if isinstance(item, dict) else item for item in value ]
        if isinstance(value, dict): # for nested lists
            value = jsonify(value)
        if isinstance(key, int): # if key is integer: > to string
            key = str(key)
        if type(value).__module__=='numpy': # if value is numpy.*: > to python list
            value = value.tolist()
        json_data[key] = value
    return json_data

Answer 8

您还可以使用default参数，例如：

def myconverter(o):
    if isinstance(o, np.float32):
        return float(o)

json.dump(data, default=myconverter)

Answer 9

使用NumpyEncoder可以成功处理json转储。不抛出-NumPy数组不可JSON序列化

import numpy as np
import json
from numpyencoder import NumpyEncoder
arr = array([   0,  239,  479,  717,  952, 1192, 1432, 1667], dtype=int64) 
json.dumps(arr,cls=NumpyEncoder)

Answer 10

此外，关于列表与Python中的数组的一些非常有趣的信息〜＆gt; Python List vs. Array - when to use?

可以注意到，一旦我将数组转换为列表，然后将其保存在JSON文件中，在我的部署中，无论如何，一旦我读了JSON文件供以后使用，我可以继续在列表中使用它形式（而不是将其转换回数组）。

实际上在屏幕上看起来更好（在我看来）作为列表（逗号分隔）与数组（非逗号分隔）这种方式。

使用上面的@transbones的.tolist（）方法，我一直在使用（捕捉到我发现的一些错误）：

保存字典

protected void onDraw(Canvas c) {
    c.rotate(-90);
    c.translate(-getHeight(), 0);
    drawThumb(c); //redrawing thumb

    super.onDraw(c);
}

void drawThumb(Canvas canvas) {
    Drawable thumb = getThumb();
    if (thumb != null) {
        Rect thumbBounds = thumb.getBounds();
        canvas.save();
        canvas.rotate(90, thumbBounds.exactCenterX(), thumbBounds.exactCenterY());
        thumb.draw(canvas);
        canvas.restore();
    }
}

阅读字典

def writeDict(values, name):
    writeName = DIR+name+'.json'
    with open(writeName, "w") as outfile:
        json.dump(values, outfile)

希望这有帮助！

Answer 11

这是一个适合我并且删除了所有nans的实现（假设这些是简单的对象（列表或字典））：

from numpy import isnan

def remove_nans(my_obj, val=None):
    if isinstance(my_obj, list):
        for i, item in enumerate(my_obj):
            if isinstance(item, list) or isinstance(item, dict):
                my_obj[i] = remove_nans(my_obj[i], val=val)

            else:
                try:
                    if isnan(item):
                        my_obj[i] = val
                except Exception:
                    pass

    elif isinstance(my_obj, dict):
        for key, item in my_obj.iteritems():
            if isinstance(item, list) or isinstance(item, dict):
                my_obj[key] = remove_nans(my_obj[key], val=val)

            else:
                try:
                    if isnan(item):
                        my_obj[key] = val
                except Exception:
                    pass

    return my_obj

Answer 12

这是一个不同的答案，但这可能有助于帮助试图保存数据然后再次读取的人。
比起泡菜更快更容易。
我试图保存它并在pickle dump中阅读，但是阅读时有很多问题，浪费了一个小时，尽管我正在处理自己的数据来创建聊天机器人，但仍然找不到解决方案。

vec_x和vec_y是numpy数组：

data=[vec_x,vec_y]
hkl.dump( data, 'new_data_file.hkl' )

然后您只需阅读并执行操作：

data2 = hkl.load( 'new_data_file.hkl' )

Answer 13

可以使用检查类型简化for循环：

with open("jsondontdoit.json", 'w') as fp:
    for key in bests.keys():
        if type(bests[key]) == np.ndarray:
            bests[key] = bests[key].tolist()
            continue
        for idx in bests[key]:
            if type(bests[key][idx]) == np.ndarray:
                bests[key][idx] = bests[key][idx].tolist()
    json.dump(bests, fp)
    fp.close()

Answer 14

TypeError：array（[[[0.46872085，0.67374235，1.0218339，0.13210179，0.5440686，0.9140083，0.58720225，0.2199381]]，dtype = float32）不是JSON可序列化的

当我期望以json格式响应时，尝试将数据列表传递给model.predict（）时，抛出了上述错误。

a = []
b = []

while len(a) < 11:
    a.append(int(input("enter a number:")))
    if len(a) == 10:
        break

    print('Original keyed in numbers are:',a)

for index in range(len(a)):
    if a[index] > 5:
        continue
    b.append(a[index])

print('These are numbers you entered that are less than or equal to 5:',b)

但幸运的是找到了解决抛出错误的提示对象的序列化仅适用于以下转换映射应采用以下方式对象-dict 数组列表字符串-字符串整数-整数

如果向上滚动以查看行号10 预测= loading_model.predict（d）此行代码在其中生成输出的位置类型为数组数据类型，当您尝试将数组转换为json格式时

最后我找到了解决方案，方法是将获得的输出转换为类型列表以下代码行

预测= loading_model.predict（d）
列表类型= projection.tolist（）返回jsonify（listtype）

嘘！终于得到了预期的输出，

NumPy数组不是JSON可序列化的

14 个答案: