将 Python 序列转换为 NumPy 数组，填充缺失值

问题描述

将可变长度列表的 Python 序列隐式转换为 NumPy 数组导致该数组为 object 类型.

The implicit conversion of a Python sequence of variable-length lists into a NumPy array cause the array to be of type object.

v = [[1], [1, 2]]
np.array(v)
>>> array([[1], [1, 2]], dtype=object)

尝试强制另一种类型会导致异常:

Trying to force another type will cause an exception:

np.array(v, dtype=np.int32)
ValueError: setting an array element with a sequence.

通过使用给定的占位符填充缺失"值，获得 int32 类型的密集 NumPy 数组的最有效方法是什么?

What is the most efficient way to get a dense NumPy array of type int32, by filling the "missing" values with a given placeholder?

从我的示例序列 v 中，如果 0 是占位符，我想得到这样的结果

From my sample sequence v, I would like to get something like this, if 0 is the placeholder

array([[1, 0], [1, 2]], dtype=int32)

推荐答案

您可以使用 itertools.zip_longest:

import itertools
np.array(list(itertools.zip_longest(*v, fillvalue=0))).T
Out:
array([[1, 0],
       [1, 2]])

注意:对于 Python 2，它是 itertools.izip_longest.

Note: For Python 2, it is itertools.izip_longest.

这篇关于将 Python 序列转换为 NumPy 数组，填充缺失值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！