如何将 numpy 数组转换为 numpy 对象？答案

【问题标题】：How to turn a numpy array to a numpy object?如何将 numpy 数组转换为 numpy 对象？
【发布时间】：2020-07-15 19:06:33
【问题描述】：

我有一个如下的 NumPy 数组：

[[[  0   0]]

 [[  0 479]]

 [[639 479]]

 [[639   0]]]

我想把它转换成这样的东西：

[(  0   0)

 (  0 479)

 (639 479)

 (639   0), dtype=dtype([('x', '<i2'), ('y', '<i2')])]

我曾尝试使用以下功能：

def flat(contour):
        for point in contour:
            yield tuple(point[0])

像这样：

contour=np.fromiter(flat(contour),Point)

但这给了我以下错误：ValueError: setting an array element with a sequence. 那么如何将 NumPy 数组的某些“维度”转换为 NumPy“对象”（或在 NumPy 中调用的其他任何内容）

【问题讨论】：

标签： python numpy

【解决方案1】：

In [117]: arr = np.array([[[0,0]],[[0,479]],[[639,479]],[[639,0]]])                                  
In [118]: arr                                                                                        
Out[118]: 
array([[[  0,   0]],

       [[  0, 479]],

       [[639, 479]],

       [[639,   0]]])
In [119]: arr.shape                                                                                  
Out[119]: (4, 1, 2)

你显然想要structured array，https://numpy.org/devdocs/user/basics.rec.html#

有一个方便的工具可以将数值数组转换为结构化数组：

In [120]: import numpy.lib.recfunctions as rf                                                        
In [121]: rf.unstructured_to_structured(arr,names=['x','y'])                                         
Out[121]: 
array([[(  0,   0)],
       [(  0, 479)],
       [(639, 479)],
       [(639,   0)]], dtype=[('x', '<i8'), ('y', '<i8')])
In [122]: _.shape                                                                                    
Out[122]: (4, 1)

或使用您想要的数据类型：

In [126]: rf.unstructured_to_structured(arr,dtype=np.dtype([('x', '<i2'), ('y', '<i2')]))            
Out[126]: 
array([[(  0,   0)],
       [(  0, 479)],
       [(639, 479)],
       [(639,   0)]], dtype=[('x', '<i2'), ('y', '<i2')])

或创建一个具有所需数据类型和形状的“空白”数组，并分配字段：

In [127]: res = np.zeros((4,1), dtype=np.dtype([('x', '<i2'), ('y', '<i2')]))                        
In [128]: res                                                                                        
Out[128]: 
array([[(0, 0)],
       [(0, 0)],
       [(0, 0)],
       [(0, 0)]], dtype=[('x', '<i2'), ('y', '<i2')])
In [129]: res['x'] = arr[:,:,0]                                                                      
In [130]: res['y'] = arr[:,:,1]                                                                      
In [131]: res                                                                                        
Out[131]: 
array([[(  0,   0)],
       [(  0, 479)],
       [(639, 479)],
       [(639,   0)]], dtype=[('x', '<i2'), ('y', '<i2')])

或来自元组列表（在您的情况下为元组列表）：

In [132]: arr.tolist()                                                                               
Out[132]: [[[0, 0]], [[0, 479]], [[639, 479]], [[639, 0]]]

In [134]: [[tuple(i) for i in x] for x in arr.tolist()]                                              
Out[134]: [[(0, 0)], [(0, 479)], [(639, 479)], [(639, 0)]]

In [135]: np.array([[tuple(i) for i in x] for x in arr.tolist()], dtype=[('x', '<i2'), ('y', '<i2')])
     ...:                                                                                            
Out[135]: 
array([[(  0,   0)],
       [(  0, 479)],
       [(639, 479)],
       [(639,   0)]], dtype=[('x', '<i2'), ('y', '<i2')])

【讨论】：