将具有不同长度的列表列表转换为numpy数组[重复]

Question

我有不同长度的列表列表（例如[[1, 2, 3], [4, 5], [6, 7, 8, 9]]），并希望将其转换为numpy 整数数组。我了解numpy 多维数组中的“子”数组的长度必须相同。那么，将上面示例中的列表转换为像 [[1, 2, 3, 0], [4, 5, 0, 0], [6, 7, 8, 9]] 这样的 numpy 数组（即用零完成）的最有效方法是什么？

Answer 1

你可以用 np.zeros 创建一个 numpy 数组，并用你的列表元素填充它们，如下所示。

a = [[1, 2, 3], [4, 5], [6, 7, 8, 9]]
import numpy as np
b = np.zeros([len(a),len(max(a,key = lambda x: len(x)))])
for i,j in enumerate(a):
    b[i][0:len(j)] = j

结果

[[ 1.  2.  3.  0.]
 [ 4.  5.  0.  0.]
 [ 6.  7.  8.  9.]]

Answer 2

在转换为 numpy 数组之前，通过填充较短的子列表对列表进行一些预处理：

>>> lst = [[1, 2, 3], [4, 5], [1, 7, 8, 9]]
>>> pad = len(max(lst, key=len))
>>> np.array([i + [0]*(pad-len(i)) for i in lst])
array([[1, 2, 3, 0],
       [4, 5, 0, 0],
       [1, 7, 8, 9]])

Answer 3

这是@Divakar 类型的答案：

In [945]: ll = [[1, 2, 3], [4, 5], [6, 7, 8, 9]]
In [946]: lens = [len(l) for l in ll]      # only iteration
In [947]: lens
Out[947]: [3, 2, 4]
In [948]: maxlen=max(lens)
In [949]: arr = np.zeros((len(ll),maxlen),int)
In [950]: mask = np.arange(maxlen) < np.array(lens)[:,None] # key line
In [951]: mask
Out[951]: 
array([[ True,  True,  True, False],
       [ True,  True, False, False],
       [ True,  True,  True,  True]], dtype=bool)
In [952]: arr[mask] = np.concatenate(ll)    # fast 1d assignment
In [953]: arr
Out[953]: 
array([[1, 2, 3, 0],
       [4, 5, 0, 0],
       [6, 7, 8, 9]])

对于大型列表，它具有更快的潜力。但它更难理解和/或重现。

Convert Python sequence to NumPy array, filling missing values - Divakar 有一篇好帖子。还提到了itertools.zip_longest。这可以作为重复引用。