关于python：如何将深度为2的元组转换为2D Numpy数组？

How to convert a tuple of depth 2 to a 2D Numpy array?

下面的代码不会生成我想要的；将一个元组中的每个元组转换为一个numpy数组，因此给了我使用多个索引检索值的选项。

1
2
3

import numpy as np
a=np.asarray([[1,2,3],[2,3,4,5]])
print a

输出是错误：

1	IndexError: too many indices

号

但是我希望它检索的是1，因为第一个元组第一个元组第一个值是1。我该如何使这种转变发生呢？

更新：有趣的是，当我尝试以下方法时：

1
2
3

a=np.asarray([np.asarray([1,2,3]),np.asarray([2,3,4,5])])
b=np.asarray([np.asarray([1,2,3]),np.asarray([2,3,4,5])])
print np.multiply(a,b)

产生所需的输出！它是一个元素一个元素的乘法。

1	[array([1, 4, 9]) array([ 4, 9, 16, 25])]

。

由于长度不同，无法将示例直接转换为numpy数组。您得到的结果是一个1d numpy数组，其中包含python列表对象。我已经看到了您所要做的，称之为锯齿状数组，但不确定这是否是任何形式的官方术语。

您可以用零填充元素，或者使用稀疏矩阵，或者不转换为numpy。取决于你的总体目标。

下面介绍如何从交错数组中设置一个蒙面数组并沿轴计算和。如果有人比我更喜欢使用这个模块，他可能会提出更有效或更惯用的建议：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

>>> a = np.array([[[1,2,3],[2,3,4,5], [2, 2]],[[3,4,5,6,7],[1],[2,3,10]]])
>>> D = max(len(x) for x in y for y in a)
>>> padded = [[x + [0] * (D-len(x)) for x in y] for y in a]
>>> mask = [[[0] * len(x) + [1] * (D-len(x)) for x in y] for y in a]
>>> result = np.ma.masked_array(padded, np.array(mask, dtype=np.bool))
>>> result
masked_array(data =
[[[1 2 3 -- --]
[2 3 4 5 --]
[2 2 -- -- --]]

[[3 4 5 6 7]
[1 -- -- -- --]
[2 3 10 -- --]]],
mask =
[[[False False False True True]
[False False False False True]
[False False True True True]]

[[False False False False False]
[False True True True True]
[False False False True True]]],
fill_value = 999999)

>>> np.sum(result, axis=-1)
masked_array(data =
[[6 14 4]
[25 1 15]],
mask =
[[False False False]
[False False False]],
fill_value = 999999)

>>>