将单个元素的列表或numpy数组转换为python中的浮点数

Question

我有一个可以接受列表或 numpy 数组的函数。

在任何一种情况下，列表/数组都只有一个元素（总是）。我只需要返回一个浮点数。

所以，例如，我可以收到：

list_ = [4]

或 numpy 数组：

array_ = array([4])

我应该回来

 4.0

所以，很自然（我会说），我在 list_ 上使用 float(...) 并得到：

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

我对array_ 做同样的事情，这次它通过响应“4.0”来工作。由此，我了解到Python的列表不能以这种方式转换为float。

基于成功将 numpy 数组转换为浮点数，这导致我采用这种方法：

float(np.asarray(list_))

当 list_ 既是 Python 列表又是 numpy 数组时，此方法有效。

问题

但这种方法似乎有一个开销，首先将列表转换为 numpy 数组，然后再转换为浮点数。基本上：有更好的方法吗？

Answer 1

只需访问列表/数组的第一项，使用索引访问和索引 0：

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

这将是一个int，因为这是您最初插入的内容。如果你因为某种原因需要它是一个浮点数，你可以在上面调用float()：

>>> float(list_[0])
4.0

Answer 2

我会简单地使用，

np.asarray(input, dtype=np.float)[0]

• 如果input 是正确dtype 的ndarray，则没有开销，因为np.asarray 在这种情况下什么都不做。
• 如果input 是list，np.asarray 确保输出类型正确。

Answer 3

您可能想要使用ndarray.item 方法，如a.item()。这也等同于（现已弃用）np.asscalar(a)。这有利于在具有视图和多余轴的情况下工作，而上述解决方案目前将中断。例如，

>>> 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])

如果数组实际上不是标量，这也有抛出异常的好处，而a[0] 方法将静默进行（这可能会导致错误潜入而不被发现）。

>>> 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

Answer 4

使用numpy.asscalar 将一个numpy 数组/矩阵转换为一个标量值：

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

输出数据类型与输入的item 方法返回的类型相同。

如果有多个元素，它会内置错误检查：

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

给予：

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

---

注意：传递给asscalar 的对象必须响应item，因此传递列表或元组将不起作用。

Answer 5

np.asscalar(a) 自 NumPy v1.16 起已弃用，请改用 a.item()。

例如：

a = np.array([[0.6813]])
print(a.item())

给予：

0.6813