Python numpy数组的ArgumentParser

有没有办法为np.array而不是列表向ArgumentParser添加参数？ 我知道我可以做这样的事

import argparse
parser = argparse.ArgumentParser(prog='PROG')
parser.add_argument('-foo', action='store', type=int, nargs='+')
args = parser.parse_args(['-foo', '1', '2'])
args.foo = np.array(args.foo)

但是我想在解析之前指定参数的完整描述

---

有什么方法可以做到这一点吗？

要指定

StoreAction

操作处理程序的工作方式有一点变化，您需要创建一个带有适当变化的处理程序的示例（文档的右上方有一个示例）

---

正如我在评论中指出的，“解析前的完整描述”不清楚

但我突然想到，可以使用

argparse

创建一个2d数组。我可以使用

nargs=3

指定3列，并使用

action='append'

收集多个子列表中的输入。当然，

type

指定是int还是float

In [27]: p=argparse.ArgumentParser()

In [28]: p.add_argument('-a',action='append',nargs='+',type=int)
Out[28]: _AppendAction(option_strings=['-a'], dest='a', nargs='+', const=None, default=None, type=<class 'int'>, choices=None, help=None, metavar=None)

In [29]: args=p.parse_args('-a 1 2 3 -a 4 5 6 -a 7 8 9'.split())

In [30]: args
Out[30]: Namespace(a=[[1, 2, 3], [4, 5, 6], [7, 8, 9]])

In [31]: np.array(args.a)
Out[31]: 
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])

[27]中的

：p=argparse.ArgumentParser（）
在[28]中：p.add_参数（'-a'，action='append'，nargs='+'，type=int）
Out[28]：_AppendAction（选项_strings=['-a']，dest='a'，nargs='+'，const=None，default=None，type=，choices=None，help=None，metavar=None）
在[29]中：args=p.parse_args（'-a23-a456-a789'-split（））
In[30]：args
Out[30]：名称空间（a=[[1,2,3]，[4,5,6]，[7,8,9]）
In[31]：np.数组（args.a）
出[31]：
数组（[[1,2,3]，
[4, 5, 6],
[7, 8, 9]])

如果我没有正确的列数，它会抱怨。它不控制的只是行数；但我可以在创建后轻松检查阵列的形状

使用此

append

在

操作中创建数组是没有意义的。即使使用1d输入，在解析过程中执行
np.array
调用也没有什么好处。解析后对
args
值进行按摩（和测试）是一种非常好的做法

不过，最好将数组值放在CSV文件中，并通过
argparse
指定该文件的名称
argparse
实际上并不适用于输入大量值。它不是一个通用的文件解析器。命令行控制代码的行为。
在哪里指定此
完整描述
？在命令行中，或在
add_参数中
setup？举一个更详细的例子，这正是我想要的。谢谢。我的意思是在将参数添加到ArgumentParser时指定参数的描述（类型、默认值和全部），如@Tadhg所示。
In [27]: p=argparse.ArgumentParser()

In [28]: p.add_argument('-a',action='append',nargs='+',type=int)
Out[28]: _AppendAction(option_strings=['-a'], dest='a', nargs='+', const=None, default=None, type=<class 'int'>, choices=None, help=None, metavar=None)

In [29]: args=p.parse_args('-a 1 2 3 -a 4 5 6 -a 7 8 9'.split())

In [30]: args
Out[30]: Namespace(a=[[1, 2, 3], [4, 5, 6], [7, 8, 9]])

In [31]: np.array(args.a)
Out[31]: 
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])