将一维 numpy 数组转换为列表列表

Question

我想将一维 numpy 数组拆分为列表列表，但我不确定如何做到这一点。

基本上我正在处理一个充满标签的数组：

array(['java database servlets derby', 'java graphics groovy awt basic',
       'java lucene', ..., 'javascript android',
       'iphone ios ipad file uiimage',
       'javascript jquery transition effect'], dtype=object)

有形状：

(5000L,)

如您所见，每一行都包含由空格分隔的标签。我想将每一行存储为一个列表，并将所有标签作为单独的元素，并将这些列表组合成一个列表列表。 结果应该是这样的：

list_of_lists = [["tag","tag","tag"],["tag","tag","tag"]...]

我怎样才能做到这一点？如果你们知道实现我想要的更好的方法（即我可以访问每个标签作为指定行的元素的数据结构），我会很高兴听到它。

提前致谢。

Answer 1

使用列表理解，str.split：

>>> from numpy import array
>>> a = array(['java database servlets derby', 'java graphics groovy awt basic',
...            'java lucene', 'javascript android',
...            'iphone ios ipad file uiimage',
...            'javascript jquery transition effect'])
>>> list_of_lists = [x.split() for x in a]
>>> list_of_lists
[['java', 'database', 'servlets', 'derby'],
 ['java', 'graphics', 'groovy', 'awt', 'basic'],
 ['java', 'lucene'],
 ['javascript', 'android'],
 ['iphone', 'ios', 'ipad', 'file', 'uiimage'],
 ['javascript', 'jquery', 'transition', 'effect']]

Answer 2

dtype=object的数组和falsetru答案中的版本有dtype='|S35'的字幕区别。第一个是指向字符串的指针数组，另一个是 6 个长度为 35 的字符串，共 210 个字节。 [x.split() for x in a] 对两者都是一样的。但是object 数组允许：

for i in range(6): a[i]=a[i].split()

生产

array([['java', 'database', 'servlets', 'derby'],
       ['java', 'graphics', 'groovy', 'awt', 'basic'], ['java', 'lucene'],
       ['javascript', 'android'],
       ['iphone', 'ios', 'ipad', 'file', 'uiimage'],
       ['javascript', 'jquery', 'transition', 'effect']], dtype=object)

如果所有这些子列表的长度相同，或者填充到相同的长度，则可以将它们放入结构化数组中。例如

array([('java', 'database', 'servlets', 'derby', ''),
       ('java', 'graphics', 'groovy', 'awt', 'basic'),
       ('java', 'lucene', '', '', ''),
       ('javascript', 'android', '', '', ''),
       ('iphone', 'ios', 'ipad', 'file', 'uiimage'),
       ('javascript', 'jquery', 'transition', 'effect', '')], 
      dtype=[('f0', 'S10'), ('f1', 'S10'), ('f2', 'S10'), ('f3', 'S10'), ('f4', 'S10')])

然后您可以按名称访问所有“行”中的特定字段

a2['f0']
# array(['java', 'java', 'java', 'javascript', 'iphone', 'javascript'],dtype='|S10')

http://docs.scipy.org/doc/numpy/user/basics.rec.html

Answer 3

这是 numpy，请不要使用循环：P 您可以使用 np.char.split 一次将 split 应用于数组的所有元素：

A = np.char.split(A)

如果你真的只是想要，你不需要把它列成清单

一种数据结构，我可以在其中访问每个标签作为指定行的元素

只是数组可以正常工作：

>>> A = np.char.split(A)
>>> A[0]
['java', 'database', 'servlets', 'derby']
>>> A
array([['java', 'database', 'servlets', 'derby'],
       ['java', 'graphics', 'groovy', 'awt', 'basic'], ['java', 'lucene'],
       ['javascript', 'android'],
       ['iphone', 'ios', 'ipad', 'file', 'uiimage'],
       ['javascript', 'jquery', 'transition', 'effect']], dtype=object)

但您可以使用以下方法转换为列表：

>>> A.tolist()
[['java', 'database', 'servlets', 'derby'],
 ['java', 'graphics', 'groovy', 'awt', 'basic'],
 ['java', 'lucene'],
 ['javascript', 'android'],
 ['iphone', 'ios', 'ipad', 'file', 'uiimage'],
 ['javascript', 'jquery', 'transition', 'effect']]

（请注意，如果您的 dtype 是 object，请先使用 A = A.astype('S') 使其成为字符串数组。）

说实话，在一个长度为 5000 的数组中，这似乎与循环理解的速度差不多。 np.char 在幕后可能并没有太大的不同。

顺便说一句，如果您没有将 pandas 用于其他任何事情，您可以使用 numpy 本身阅读文本。如果您的文件如下所示：

java database servlets derby
java graphics groovy awt basic
java lucene
javascript android
iphone ios ipad file uiimage
javascript jquery transition effect

然后：

A = np.genfromtxt('tags.txt', dtype='S', delimiter='\n')
A = np.char.split(A)