Konvertieren Liste oder numpy-array aus single-element auf float in python

Ich habe eine Funktion, die die Annahme kann entweder eine Liste oder ein numpy-array.

In jedem Fall, die Liste/array hat ein element (immer). Ich muss nur return float.

So, z.B., die ich empfangen konnte:

list_ = [4]

oder die numpy-array:

array_ = array([4])

Und ich zurückkehren sollte,

 4.0

So, natürlich (würde ich sagen), ich benutze float(...) auf list_ und erhalten:

TypeError: float() argument must be a string or a number

Ich das gleiche tun, um array_ und dieses mal hat es funktioniert, indem Sie darauf mit "4.0". Von diesem habe ich erfahren, dass Python-Liste konvertiert werden kann, zu schweben diese Weise.

Basierend auf dem Erfolg mit den numpy-array Konvertierung nach float diese führen mich zu der Fragestellung:

float(np.asarray(list_))

- Und dies funktioniert, wenn list_ ist sowohl eine Python-Liste und wenn es ein numpy-array.

Frage

Aber wie es scheint, hat dieser Ansatz einen overhead-zuerst die Umwandlung der Liste in ein numpy-array und dann zu schweben. Grundsätzlich: gibt es einen besseren Weg, dies zu tun?

  • Können Sie nicht verwenden, schneiden: float(list_[0]) = 4.0
  • entweder float(list_[0]) oder float(''.join(list_))
InformationsquelleAutor denvar | 2015-05-18
  1. 21

    Nur Zugriff auf das erste Element der Liste/array über den index zugreifen und den index 0:

    >>> list_ = [4]
>>> list_[0]
4
>>> array_ = np.array([4])
>>> array_[0]
4

    Diese int da war das, was Sie eingesetzt in den ersten Platz. Wenn Sie es brauchen, um ein float aus irgendeinem Grund, können Sie rufen Sie float() dann drauf:

    >>> float(list_[0])
4.0
    InformationsquelleAutor poke
  2. 14

    Den Sie verwenden möchten, können Sie die ndarray.Element Methode, wie in a.item(). Dies entspricht auch der np.asscalar(a). Dies hat den Vorteil das arbeiten in Situationen mit Ansichten und überflüssig Achsen, während die oben genannten Lösungen wird derzeit Pause. Zum Beispiel,

    >>> a = np.asarray(1).view()
>>> a.item()  # correct
1

>>> a[0]  # breaks
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: too many indices for array


>>> a = np.asarray([[2]])
>>> a.item()  # correct
2

>>> a[0]  # bad result
array([2])

    Dies hat auch den Vorteil, eine Ausnahme zu werfen, wenn das array nicht ein singleton, während die a[0] Ansatz wird stillschweigend gehen (die führen können, um Fehler schleichen unentdeckt durch).

    >>> a = np.asarray([1, 2])
>>> a[0]  # silently proceeds
1
>>> a.item()  # detects incorrect size
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: can only convert an array of size 1 to a Python scalar
    InformationsquelleAutor Aaron Voelker
  3. 5

    Verwenden numpy.asscalar konvertieren ein numpy-array /matrix einen Skalar-Wert:

    >>> a=numpy.array([[[[42]]]])
>>> numpy.asscalar(a)
42

    Die output-Daten-Typ ist die gleiche Art zurück durch die Eingabe der item Methode.

    Es hat eingebaute Fehler-überprüfung, ob es mehr als ein einzelnes element:

    >>> a=numpy.array([1, 2])
>>> numpy.asscalar(a)

    gibt:

    ValueError: can only convert an array of size 1 to a Python scalar

    Hinweis: das übergebene Objekt asscalar reagieren muss, um item, so übergeben Sie eine Liste oder Tupel wird nicht funktionieren.

    InformationsquelleAutor Tom Hale
  4. 2

    Ich würde einfach zu verwenden,

    np.asarray(input, dtype=np.float)[0]
    • Wenn input ist ein ndarray von der rechten dtype, es gibt keinen overhead, da np.asarray macht nichts in diesem Fall.
    • wenn input ist ein list, np.asarray stellt sicher, dass die Ausgabe von der richtigen Art ist.
    InformationsquelleAutor rth
Schreibe einen Kommentar