Python 将元组列表转换为numpy数组将导致一维

我们有一个元组列表，格式为（年，值）：

其目的是将元组列表转换为二维numpy数组。但是，使用

np.asarray

的已发布答案保留了一个维度：

dt = np.dtype('int,float')
spp = np.asarray(splist,dt)

spp
   array([(2002, 10.502535211267606), (2003, 10.214794520547946),
   (2004, 9.811578947368423), (2005, 9.684155844155844),
   ..
   (2014, 9.438987341772153), (2015, 9.093658536585366),
   (2016, 9.244272537935139)],
  dtype=[('f0', '<i8'), ('f1', '<f8')])

我们想要的是：

---

那么，将元组列表转换为二维数组有什么神奇之处呢？

如果您想要二维结果，只需使用，而不是

asarray

：

>>> a = [(2002, 10.502535211267606),
...  (2003, 10.214794520547946),
...  (2004, 9.8115789473684227),
...  (2015, 9.0936585365853659),
...  (2016, 9.2442725379351387)]
>>> np.array(a)    
array([[ 2002.        ,    10.50253521],
       [ 2003.        ,    10.21479452],
       [ 2004.        ,     9.81157895],
       [ 2015.        ,     9.09365854],
       [ 2016.        ,     9.24427254]])
>>> np.array(a).shape
(5, 2)

请注意，这将使两列都成为浮点数据类型。不可能在每列中都有不同数据类型的2D numpy数组。如果你想这么做，我认为熊猫有一个办法：尽管我没有任何与熊猫相处的经验

---

使用numpy可以做的唯一一件事就是拥有一个“object”类型的1D数组，每个元素都是一个元组——但这是使用

asarray

已经具备的功能，如果我正确理解了所需的输出，您可以使用

spp=np.asarray（splist，dt） >>>spp 阵列（[（2002年，10.50253511267606）， (2003, 10.214794520547946), (2004, 9.811578947368423), (2015, 9.093658536585366), (2016, 9.244272537935139)],

---

dtype=[（'f0'，预期的

数组（[（2002，10.50253511267606）]，..

看起来不像

2D

one。@Divakar在前后添加了额外的大括号。它本身看起来仍然不像2D数组。它有两个维度，但所有数据仍然只沿着第0维度。也就是说，您描述的形状是

（15,1）

@Praveen不确定你是如何得出这个结论的：它现在是一个正确的2D数组。它以前不是。这不是一个元组列表问题。问题是如何将（15，）数组重塑为（15,1）数组。没有

dt

你会得到一个（15,2）浮点数组。

np.array

甚至是在

asarray

之前尝试的第一件事。不确定为什么对我不起作用。它似乎起作用了。我不知道是什么操作序列使它以前对我不起作用。啊！我现在知道了。我使用了

scala

类似

类型别名

，如下：

npa=numpy.array

。它在某些情况下起作用，但在本例中做了错误的事情：执行

spp=npa（splist）

最终得到的是15x1，而不是

spp=np.array（splist）的15x2

gives.@wwii First:在接受之前需要等待一段时间：它仍然在最小窗口内。请注意，我已经对这两个选项进行了投票，因为它们都很有用。第二：有两个正确答案。我必须选择一个，然后选择另一个，因为其中的数据类型是正确的。

asarray

没有区别.重要的是

dt

数据类型。

In [155]: spp.shape
Out[155]: (15,)

   array([[(2002, 10.502535211267606)],
        [(2003, 10.214794520547946)],
   ..
   [(2014, 9.438987341772153)], 
   [(2015, 9.093658536585366)],
   [(2016, 9.244272537935139)]])

>>> a = [(2002, 10.502535211267606),
...  (2003, 10.214794520547946),
...  (2004, 9.8115789473684227),
...  (2015, 9.0936585365853659),
...  (2016, 9.2442725379351387)]
>>> np.array(a)    
array([[ 2002.        ,    10.50253521],
       [ 2003.        ,    10.21479452],
       [ 2004.        ,     9.81157895],
       [ 2015.        ,     9.09365854],
       [ 2016.        ,     9.24427254]])
>>> np.array(a).shape
(5, 2)

>>> spp = np.asarray(splist, dt)
>>> spp
array([(2002, 10.502535211267606),
       (2003, 10.214794520547946),
       (2004, 9.811578947368423),
       (2015, 9.093658536585366),
       (2016, 9.244272537935139)], 
      dtype=[('f0', '<i4'), ('f1', '<f8')])

>>> np.reshape(spp, (spp.size, 1))
array([[(2002, 10.502535211267606)],
       [(2003, 10.214794520547946)],
       [(2004, 9.811578947368423)],
       [(2015, 9.093658536585366)],
       [(2016, 9.244272537935139)]], 
      dtype=[('f0', '<i4'), ('f1', '<f8')])