如何将 (dtype=object) numpy 数组值设置为 Python 列表，而不用 numpy 将列表解释为值列表？答案

【问题标题】：How can I set (dtype=object) numpy array values to Python lists, without numpy interpreting the lists as lists of values?如何将 (dtype=object) numpy 数组值设置为 Python 列表，而不用 numpy 将列表解释为值列表？
【发布时间】：2015-08-06 08:50:07
【问题描述】：

我有一个 dtype=object 数组，其中的值是 Python 列表或 np.nan。

我想将 np.nan 的值替换为 [None]（不是 None）。

对于纯 Python 列表，我已经可以使用 [ x if (x is not np.nan) else [None] for x in s ] 来完成此操作，并且将数组转换为列表对我的目的来说很好，但出于好奇，我想知道如何使用 numpy 数组来完成此操作。困难在于，当使用索引时，numpy 试图将任何列表解释为值列表，而不是我想要分配的实际值。

例如，如果我想用2 替换值，这很容易（正常的 np、pd 导入；顺便说一句，np.isnan 在这种情况下不起作用，这是选择 float NaN 的一个弱点对于 pandas 中的通用缺失值，所以我使用 pd.isnull，因为无论如何这都是 pandas 内部的问题）：

In [53]: s
Out[53]:
array([['asdf', 'asdf'], ['asdf'], nan, ['asdf', 'asdf', 'asdf'],
       ['asdf', 'asdf', 'asdf']], dtype=object)

In [55]: s[pd.isnull(s)] = 2

In [56]: s
Out[56]:
array([['asdf', 'asdf'], ['asdf'], 2, ['asdf', 'asdf', 'asdf'],
       ['asdf', 'asdf', 'asdf']], dtype=object)

然而，试图用 [None] 替换它们而不是用 None 替换它们：

In [58]: s
Out[58]:
array([['asdf', 'asdf'], ['asdf'], nan, ['asdf', 'asdf', 'asdf'],
       ['asdf', 'asdf', 'asdf']], dtype=object)

In [59]: s[pd.isnull(s)] = [None]

In [60]: s
Out[60]:
array([['asdf', 'asdf'], ['asdf'], None, ['asdf', 'asdf', 'asdf'],
       ['asdf', 'asdf', 'asdf']], dtype=object)

显然，这是人们 99% 的时间想要的行为。碰巧这一次，我想将列表分配为一个对象。有什么办法吗？

【问题讨论】：

您总是可以将列表显式包装为一个恰好是列表的对象的标量数组，就像您包装s 本身一样。但这太丑陋了；希望有人有更好的答案……
如果所有元素都是lists，你可以就地改变列表（使用[:] = …），但遗憾的是这在这里没有帮助，因为你显然不能将nan 原地变异为[None]。

标签： python numpy

【解决方案1】：

第一个问题是s[…] = [None] 尝试将数组切片替换为一个值的序列None。你真正想要的是用一个值的序列替换切片，[None]，你可以写成[[None]]。

但是，这实际上并不能解决您的问题；这只会让您解决您最初试图提出的问题。

您需要的是明确的数组 1 object 元素恰好是列表[None]。例如：

>>> n = np.array([[None], 0], dtype=object)[:1]
>>> s[pd.isnull(s)] = n

或者，当然：

>>> n = np.empty((1,), dtype=object)
>>> n[0] = [None]
>>> s[pd.isnull(s)] = n

我 90% 确定有一种更简洁易读的方法来创建一个保证具有值 [None] 的单元素数组，并且 80% 确定首先有一种更简单的方法来完成整个事情，所以希望有人能提出更好的答案……但如果没有，这将起作用。

【讨论】：

【解决方案2】：

我建议使用numpy.argmin()，因为它返回nan 的位置，然后用[None] 替换它们：

import numpy as np
import pandas as pd

def to_none(array_):
    for i in range(array_[pd.isnull(array_)].size):
        array_[np.argmin(array_)] = [None]
    return array_


a = np.array([['asdf', 'asdf'], ['asdf'], np.nan, ['asdf', 'asdf', 'asdf'],np.nan,
       ['asdf', 'asdf', 'asdf']], dtype=object)
a = to_none(a)

print a

>>
[['asdf', 'asdf'] ['asdf'] [None] ['asdf', 'asdf', 'asdf'] [None]
 ['asdf', 'asdf', 'asdf']]

print a.dtype

>>
object

【讨论】：