Cara cepat menukar tatasusunan numpy kepada senarai

WBOY
Lepaskan: 2024-01-19 08:56:05
asal
1357 orang telah melayarinya

Cara cepat menukar tatasusunan numpy kepada senarai

Cara menukar tatasusunan numpy dengan cepat kepada senarai

Dalam pemprosesan dan analisis data, perpustakaan numpy sering digunakan untuk melaksanakan operasi tatasusunan yang pantas dan cekap. Walau bagaimanapun, kadangkala kita perlu menukar tatasusunan numpy kepada senarai untuk pemprosesan selanjutnya atau untuk berinteraksi dengan jenis data lain. Di bawah ini saya akan berkongsi beberapa kaedah untuk menukar tatasusunan numpy dengan cepat kepada senarai dan memberikan contoh kod tertentu.

Kaedah 1: fungsi tolist()
Objek tatasusunan numpy menyediakan fungsi tolist() yang boleh menukar tatasusunan kepada senarai dengan cepat. Fungsi ini mengembalikan senarai elemen tatasusunan.

Berikut ialah kod sampel menggunakan fungsi tolist():

import numpy as np

# 创建一个numpy数组
arr = np.array([1, 2, 3, 4, 5])

# 将numpy数组转换为列表
arr_list = arr.tolist()

print(arr_list)
Salin selepas log masuk

Hasil berjalan:

[1, 2, 3, 4, 5]
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk

Kaedah 2: fungsi tolist() dan tatasusunan berbilang dimensi
Jika kami ingin memproses tatasusunan numpy berbilang dimensi dan menukarnya kepada senarai, Kami boleh menggunakan fungsi tolist() pada setiap dimensi tatasusunan, iaitu memanggil fungsi tolist() beberapa kali.

Berikut ialah kod sampel yang menggunakan fungsi tolist() untuk memproses tatasusunan berbilang dimensi:

import numpy as np

# 创建一个二维numpy数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 将numpy数组转换为列表
arr_list = arr.tolist()

print(arr_list)
Salin selepas log masuk

Hasil berjalan:

[[1, 2, 3], [4, 5, 6], [7, 8, 9]]
Salin selepas log masuk

Kaedah 3: Gunakan pemahaman senarai
Sebagai tambahan kepada fungsi tolist(), kita juga boleh gunakan pemahaman senarai untuk penukaran pantas Tatasusunan Numpy ialah senarai. Pemahaman senarai boleh digunakan untuk memproses dan menukar elemen tatasusunan dengan sangat ringkas.

Berikut ialah kod sampel menggunakan pemahaman senarai:

import numpy as np

# 创建一个numpy数组
arr = np.array([1, 2, 3, 4, 5])

# 使用列表推导式将数组转换为列表
arr_list = [x for x in arr]

print(arr_list)
Salin selepas log masuk

Hasil berjalan:

[1, 2, 3, 4, 5]
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk

Kaedah 4: Gunakan fungsi np.ndarray.tolist()
Sebagai tambahan kepada fungsi tolist(), perpustakaan numpy juga menyediakan np. .ndarray Fungsi .tolist() juga boleh menukar tatasusunan numpy ke dalam senarai dengan cepat. Berbeza daripada fungsi tolist() dalam kaedah 1, fungsi ini dipanggil melalui fungsi yang disediakan oleh perpustakaan numpy.

Berikut ialah contoh kod menggunakan fungsi np.ndarray.tolist():

import numpy as np

# 创建一个numpy数组
arr = np.array([1, 2, 3, 4, 5])

# 使用np.ndarray.tolist()函数将数组转换为列表
arr_list = np.ndarray.tolist(arr)

print(arr_list)
Salin selepas log masuk

Hasil berjalan:

[1, 2, 3, 4, 5]
Salin selepas log masuk
Salin selepas log masuk
Salin selepas log masuk

Ringkasan:

Artikel ini memperkenalkan empat kaedah untuk menukar tatasusunan numpy ke dalam senarai dengan cepat: fungsi tolist(), fungsi tolist() dan tatasusunan berbilang dimensi, menggunakan pemahaman senarai, menggunakan fungsi np.ndarray.tolist(). Kaedah yang berbeza sesuai untuk senario yang berbeza, dan pembaca boleh memilih kaedah yang sesuai untuk menukar tatasusunan numpy kepada senarai mengikut keperluan khusus. Pada masa yang sama, artikel ini juga menyediakan contoh kod yang sepadan Pembaca boleh menjalankan kod secara langsung untuk memahami penggunaan dan kesan setiap kaedah. Saya harap artikel ini dapat memberikan sedikit bantuan kepada pembaca dalam menukar tatasusunan dan senarai numpy.

Atas ialah kandungan terperinci Cara cepat menukar tatasusunan numpy kepada senarai. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Label berkaitan:
sumber:php.cn
Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn
Tutorial Popular
Lagi>
Muat turun terkini
Lagi>
kesan web
Kod sumber laman web
Bahan laman web
Templat hujung hadapan
Tentang kita Penafian Sitemap
Laman web PHP Cina:Latihan PHP dalam talian kebajikan awam,Bantu pelajar PHP berkembang dengan cepat!