Question

我有一个可以接受列表或numpy数组的函数。

在任何一种情况下，列表/数组都有一个元素（总是）。我只需要返回一个浮动。

所以，例如，我可以收到：

list_ = [4]

或numpy数组：

array_ = array([4])

我应该回来

4.0

所以，自然（我会说），我在list_上使用float（...）并得到：

TypeError: float() argument must be a string or a number

我对array_做同样的事情，这次它通过响应“4.0”来工作。由此，我了解到Python的列表无法以这种方式转换为浮动。

基于numpy数组转换为float的成功，这引出了我的方法：

float(np.asarray(list_))

当list_既是Python列表又是numpy数组时，这都有效。

问题

但似乎这种方法有一个开销，首先将列表转换为numpy数组然后浮动。基本上：有更好的方法吗？

Answer 1

只需使用索引访问和索引0：

访问列表/数组的第一项

>>> list_ = [4]
>>> list_[0]
4
>>> array_ = np.array([4])
>>> array_[0]
4

这将是int，因为这是您首先插入的内容。如果由于某种原因需要它是浮点数，你可以在它上面调用float()：

>>> float(list_[0])
4.0

Answer 2

您可能希望使用a.item()方法，例如>>> a = np.asarray(1).view() >>> a.item() # correct 1 >>> a[0] # breaks Traceback (most recent call last): File "<stdin>", line 1, in <module> IndexError: too many indices for array >>> a = np.asarray([[2]]) >>> a.item() # correct 2 >>> a[0] # bad result array([2])。这也相当于ndarray.item。这有利于在具有视图和多余轴的情况下工作，而上述解决方案目前将破裂。例如，

a[0]

如果数组不是单例，这也有抛出异常的好处，而>>> a = np.asarray([1, 2]) >>> a[0] # silently proceeds 1 >>> a.item() # detects incorrect size Traceback (most recent call last): File "<stdin>", line 1, in <module> ValueError: can only convert an array of size 1 to a Python scalar方法将默默进行（这可能导致漏洞未被发现）。

{{1}}

Answer 3

使用numpy.asscalar将numpy数组/矩阵转换为标量值：

>>> a=numpy.array([[[[42]]]])
>>> numpy.asscalar(a)
42

输出数据类型与输入的item方法返回的类型相同。

如果存在多个元素，则内置错误检查：

>>> a=numpy.array([1, 2])
>>> numpy.asscalar(a)

给出：

ValueError: can only convert an array of size 1 to a Python scalar

注意：传递给asscalar的对象必须响应item，因此传递列表或元组将不起作用。

Answer 4

我会简单地使用，

np.asarray(input, dtype=np.float)[0]

如果input是正确dtype的ndarray，则没有开销，因为np.asarray在这种情况下什么都不做。
如果input是list，np.asarray会确保输出的类型正确。

Answer 5

np.asscalar(a) 自 NumPy v1.16 起已弃用，请改用 a.item()。

例如：

a = np.array([[0.6813]])
print(a.item())

给出：

0.6813

将单个元素的列表或numpy数组转换为在python中浮动

5 个答案: