Python 如何将具有object dtype的Numpy二维数组转换为常规二维浮点数组

作为我正在进行的更广泛程序的一部分，我最终得到了字符串、三维坐标等混合的对象数组。我知道，与结构化数组相比，对象数组可能不是很受欢迎，但我希望在不改变大量代码的情况下解决这个问题

假设我的数组obj_数组（有N行）的每一行都有

Single entry/object of obj_array:  ['NAME',[10.0,20.0,30.0],....] 

现在，我尝试加载这个对象数组并切片3D坐标块。到目前为止，只要简单地问一下，一切都很顺利

obj_array[:,[1,2,3]]

然而，结果也是一个对象数组，我将面临这个问题，因为我想用以下内容形成一个二维浮点数数组：

size [N,3] of N rows and 3 entries of X,Y,Z coordinates

现在，我正在各行之间循环，并将每一行分配给目标2D flot数组的一行，以解决这个问题。我想知道是否有更好的方法使用numpy的数组转换工具？我试了几次，但还是绕不过去

Centers   = np.zeros([N,3])

for row in range(obj_array.shape[0]):
    Centers[row,:] = obj_array[row,1]

---

谢谢你这讨厌的小问题。。。我一直在玩弄这个玩具的例子：

>>> arr = np.array([['one', [1, 2, 3]],['two', [4, 5, 6]]], dtype=np.object)
>>> arr
array([['one', [1, 2, 3]],
       ['two', [4, 5, 6]]], dtype=object)

我的第一个猜测是：

>>> np.array(arr[:, 1])
array([[1, 2, 3], [4, 5, 6]], dtype=object)

但这会保留

对象

数据类型，因此：

>>> np.array(arr[:, 1], dtype=np.float)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: setting an array element with a sequence.

由于似乎没有任何完全令人满意的解决方案，最简单的方法可能是：

>>> np.array(list(arr[:, 1]), dtype=np.float)
array([[ 1.,  2.,  3.],
       [ 4.,  5.,  6.]])

虽然这样做效率不高，但最好采用以下方式：

>>> np.fromiter((tuple(j) for j in arr[:, 1]), dtype=[('', np.float)]*3,
...             count=len(arr)).view(np.float).reshape(-1, 3)
array([[ 1.,  2.,  3.],
       [ 4.,  5.,  6.]])

---

您可能希望使用结构化数组，以便在需要独立访问名称和值时可以轻松地进行访问。在本例中，有两个数据点：

x = zeros(2, dtype=[('name','S10'), ('value','f4',(3,))])
x[0][0]='item1'
x[1][0]='item2'
y1=x['name']
y2=x['value']

结果是：

>>> y1
array(['item1', 'item2'], 
      dtype='|S10')
>>> y2
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.]], dtype=float32)

---

查看更多详细信息：

基于Jaime的玩具示例，我认为您可以使用

np.vstack（）

非常简单地实现这一点：

---

无论对象数组中的“数值”元素是1D numpy数组、列表还是元组，这都会起作用。

这在数组arr上非常有效，可以将对象转换为浮点数组。之后，数字处理非常容易。谢谢你最后的帖子！！！！我刚刚修改了它以包含任何数据帧大小：

float_arr = np.vstack(arr[:, :]).astype(np.float)

---

这是将对象数组转换为NumPy float数组的更快方法：

---

arr=np.array（arr，dtype=[（'O'，np.float）]）.astype（np.float）

-从那里没有循环，索引它就像通常在NumPy数组上做的那样。你必须做它的块，虽然你的不同的数据类型<代码> ARR [，1 ] < /COD>，<代码> ARR[（2）] /代码>等与一个从C++ DLL函数返回的NUMPY元组对象有相同的问题。对于17m元素的转换，需要使用< P>这个问题通常发生在你有不同类型的数据集时，通常，日期在第一列左右

我使用的方法是将日期列存储在不同的变量中；把剩下的“X特征矩阵”转化为X，比如，我有日期和X

然后我将转换应用于X矩阵，如下所示：

X=np.array（list（X[：，：]），dtype=np.float）

---

希望对大家有所帮助

对于结构化数组，请使用

结构化到非结构化（arr）.astype（np.float）

---

请参阅：

您能展示一个简单的示例代码吗？原始数据是什么样的，转换代码是什么样的？这将使别人更容易给你提供适当的建议。这与其说是回答，不如说是评论。这与ali_m的答案有关吗？如果有人真的尝试了上面的解决方案并对其进行了分析，它将不会被否决。我得到“ValueError:使用序列设置数组元素”。这种方法会出错。。示例：aa=['5236'，[1,2,0.3]，['63734'，[6,1.5,0.0]]bb=np.array（aa，dtype='object'）arr=np.array（bb[：，1]，dtype=[（'O'，np.float）]。astype（np float）

>>> y1
array(['item1', 'item2'], 
      dtype='|S10')
>>> y2
array([[ 0.,  0.,  0.],
       [ 0.,  0.,  0.]], dtype=float32)

arr = np.array([['one', [1, 2, 3]],['two', [4, 5, 6]]], dtype=np.object)
float_arr = np.vstack(arr[:, 1]).astype(np.float)

float_arr = np.vstack(arr[:, :]).astype(np.float)