Python 将numpy数组从object dtype转换为float
我如何转换福勒。从对象数据类型到浮点的numpy:Python 将numpy数组从object dtype转换为float,python,numpy,Python,Numpy,我如何转换福勒。从对象数据类型到浮点的numpy: array(['4,364,541', '2,330,200', '2,107,648', '1,525,711', '1,485,231', '1,257,500', '1,098,200', '1,065,106', '962,100', '920,200', '124,204', '122,320', '119,742', '116,627', '115,900', '108,400', '108
array(['4,364,541', '2,330,200', '2,107,648', '1,525,711', '1,485,231',
'1,257,500', '1,098,200', '1,065,106', '962,100', '920,200',
'124,204', '122,320', '119,742', '116,627', '115,900', '108,400',
'108,400', '108,000', '103,795', '102,900', '101,845', '100,900',
'100,626'], dtype=object)
我尝试了
arr.astype(float)
,但由于每个字符串中都有,
,所以这不起作用。简单的方法是删除每个逗号:
np.array([v.replace(',', '') for v in arr], dtype=np.float32)
如果您有熊猫,到_numeric
是一个不错的选择。它优雅地处理任何可能在替换后爬行的无效值
pd.to_numeric([v.replace(',', '') for v in arr], errors='coerce', downcast='float')
这两种方法都将浮点数组作为输出返回。简单的方法是删除每个逗号:
np.array([v.replace(',', '') for v in arr], dtype=np.float32)
如果您有熊猫,到_numeric
是一个不错的选择。它优雅地处理任何可能在替换后爬行的无效值
pd.to_numeric([v.replace(',', '') for v in arr], errors='coerce', downcast='float')
这两种方法都将浮点数组作为输出返回。给定:
>>> ar
array(['4,364,541', '2,330,200', '2,107,648', '1,525,711', '1,485,231',
'1,257,500', '1,098,200', '1,065,106', '962,100', '920,200',
'124,204', '122,320', '119,742', '116,627', '115,900', '108,400',
'108,400', '108,000', '103,795', '102,900', '101,845', '100,900',
'100,626'], dtype=object)
您可以使用filter
删除所有非数字元素并创建浮动:
>>> np.array(list(map(float, (''.join(filter(lambda c: c.isdigit(), s)) for s in ar))))
array([4364541., 2330200., 2107648., 1525711., 1485231., 1257500.,
1098200., 1065106., 962100., 920200., 124204., 122320.,
119742., 116627., 115900., 108400., 108400., 108000.,
103795., 102900., 101845., 100900., 100626.])
鉴于:
您可以使用filter
删除所有非数字元素并创建浮动:
>>> np.array(list(map(float, (''.join(filter(lambda c: c.isdigit(), s)) for s in ar))))
array([4364541., 2330200., 2107648., 1525711., 1485231., 1257500.,
1098200., 1065106., 962100., 920200., 124204., 122320.,
119742., 116627., 115900., 108400., 108400., 108000.,
103795., 102900., 101845., 100900., 100626.])
也可以使用
或np.char.替换Cold注释中所述的。当然,
如果是对象类型
replace(a.astype(np.unicode_), ',','').astype(np.float)
也可以使用
或np.char.替换Cold注释中所述的。当然,
如果是对象类型
replace(a.astype(np.unicode_), ',','').astype(np.float)
另一种方式
np.frompyfunc(lambda x: x.replace(',',''),1,1)(arr).astype(float)
frompyfunc
返回一个对象数据类型数组,在本例中可以。我经常发现,它比列表理解快2倍,但在这里,它的速度与@coldspeed的
:
np.array([v.replace(',', '') for v in arr], dtype=np.float32)
这可能是因为我们从对象数据类型数组开始。对象数据类型上的直接迭代比列表上的迭代慢一点,但比常规numpy数组上的迭代快一点。与列表一样,数组的元素是指向字符串的指针,不需要字符串数据类型数组所需的“取消装箱”
(比np.char
版本快2到3倍)。另一种方法
np.frompyfunc(lambda x: x.replace(',',''),1,1)(arr).astype(float)
frompyfunc
返回一个对象数据类型数组,在本例中可以。我经常发现,它比列表理解快2倍,但在这里,它的速度与@coldspeed的
:
np.array([v.replace(',', '') for v in arr], dtype=np.float32)
这可能是因为我们从对象数据类型数组开始。对象数据类型上的直接迭代比列表上的迭代慢一点,但比常规numpy数组上的迭代快一点。与列表一样,数组的元素是指向字符串的指针,不需要字符串数据类型数组所需的“取消装箱”
(比np.char
版本快2到3倍)。一个较短的别名:np.char.replace
也会做同样的事情。@coldspeed很好的注释,这是一个冗长的包名;)如果arr
是object
dtype,则这将不起作用。首先必须将其转换为字符串数据类型。char
函数基本上迭代字符串数据类型的元素并应用相应的字符串方法。我猜速度将类似于在对象数据类型数组上迭代。一个较短的别名:np.char.replace
也会做同样的事情。@coldspeed nice remark,这是一个冗长的包名;)如果arr
是object
dtype,则这将不起作用。首先必须将其转换为字符串数据类型。char
函数基本上迭代字符串数据类型的元素并应用相应的字符串方法。我猜速度将类似于在对象数据类型数组上迭代。