Question

为什么第一个数组完全转换为字符串类型，而第二个数组的各个类型保持不变？如何强制第一个数组（np.array([np.array([1,2,3]), np.array(["a", "bb", "ccc"])])）由dtype = np.int64数组和dtype = np.str_数组组成？我尝试为整个数组设置dtype = object，但这会导致各个数组的dtypes也变为object。

>>> import numpy as np
>>> np.array([np.array([1,2,3]), np.array(["a", "bb", "ccc"])])
array([['1', '2', '3'],
       ['a', 'bb', 'ccc']],
      dtype='<U21')
>>> np.array([np.array([1,2,3, 4]), np.array(["a", "bb", "ccc"])])
array([array([1, 2, 3, 4]), array(['a', 'bb', 'ccc'],
      dtype='<U3')], dtype=object)

Answer 1

np.array有时会试图变得过于聪明＆＃39;但基本原则是它尝试创建可以与输入一起使用的最高维数组。只有当它失败时，才会采用更简单的dtype = object数组。请记住，最初的意图是生成一个多维数字数组。 object dtype是一种较新的，不发达的概括。

使用

np.array([np.array([1,2,3]), np.array(["a", "bb", "ccc"])])

子阵列具有相同的长度。因此，它会创建与列表列表np.array([[1,2,3],["a", "bb", "ccc"]])相同的数组。而且因为它不能强迫＆＃34; a＆＃34;要成为一个int，它会强制1成为一个字符串。我不确定为什么它给了你U21和我U11。似乎U3已足够。

另一种想到这一点的方法是在新轴上concatenate。最新版本添加了np.stack，可以更好地控制它。

np.stack([np.array([1,2,3]), np.array(["a", "bb", "ccc"])])

但在第二种情况下，2个阵列的长度不同。它不能从那些数组形成一个二维数组，因此它保持原样，并生成一个1d 2元素的对象数组。

有一些技巧可用于制作具有相等长度元素的对象数组。一个是制作一个正确大小的空对象数组，并分配元素

In [81]: x=np.empty((2,), dtype=object)
In [82]: x[:] = [np.array([1,2,3]), np.array(["a", "bb", "ccc"])]
In [83]: x
Out[83]: 
array([array([1, 2, 3]), array(['a', 'bb', 'ccc'], 
      dtype='<U3')], dtype=object)

另一种方法是从不同大小的元素开始，然后更改或删除一个元素。

In [84]: x = np.array([[1,2,3,4], ["a", "bb", "ccc"]])
In [85]: x[0] = np.array([1,2,3])

Answer 2

原因是如果子阵列具有兼容的形状，numpy会为其共享形状创建额外的维度。在您的第一个示例中就是这种情况，如果您检查该对象的shape，您会看到它是(2, 3)。在第二个示例中，无法协调子数组形状，因此您获得了形状为(2,)的一维数组。

据我所知，没有办法强制nd.array将数组创建为dtype对象而不将该更改传播到子数组。这是一个有点奇怪的事情，因为numpy数组的大多数好处将被限制或消除。例如，您可以通过预先创建数组并在之后填充它来实现：

x = np.zeros((2,), dtype=object)
x[0] = np.array([1,2,3])
x[1] = np.array(["a", "bb", "ccc"])

>>> x
array([array([1, 2, 3]), array([u'a', u'bb', u'ccc'], 
      dtype='<U3')], dtype=object)
>>> x[0].dtype
dtype('int32')
>>> x[1].dtype
dtype('<U3')

Answer 3

查看输出：

>>> np.array([np.array([1,2,3]), np.array(["a", "bb", "ccc"])])
array([['1', '2', '3'],
       ['a', 'bb', 'ccc']],
      dtype='<U11')

>>> np.array([np.array([1,2,3,4]), np.array(["a", "bb", "ccc"])])
array([array([1, 2, 3, 4]), array(['a', 'bb', 'ccc'],
      dtype='<U3')], dtype=object)

第一个输出将数组连接成一个2x1数组，每个数组包含三个元素。第二个输出不会连接数组。

现在，请注意：

>>> a = np.array([np.array([1,2,3])])
>>> b = np.array([np.array(['i','j','k'])])
>>> np.concatenate((a, b))
array([['1', '2', '3'],
       ['i', 'j', 'k']],
      dtype='<U11')

>>> a = np.array([np.array([1,2,3,4])])
>>> np.concatenate((a, b))
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: all the input array dimensions except for the concatenation axis must match exactly

>>> np.concatenate((a, b), axis=1)
array([['1', '2', '3', '4', 'i', 'j', 'k']],
      dtype='<U11')

看到区别？当Numpy尝试连接整数和整数字符串时，如果它们各自具有相同的维度，NumPy会将整数转换为字符串。如果它们没有相同的尺寸，它就不会连接它们，因为你会得到这些错误。

在键入时使用numpy数组数组的奇怪行为

3 个答案: