Heim >Backend-Entwicklung >Python-Tutorial >So konvertieren Sie Numpy-Arrays schnell in Listen

So konvertieren Sie Numpy-Arrays schnell in Listen

WBOY
WBOYOriginal
2024-01-19 08:56:051397Durchsuche

So konvertieren Sie Numpy-Arrays schnell in Listen

So konvertieren Sie Numpy-Arrays schnell in Listen

Bei der Datenverarbeitung und -analyse wird die Numpy-Bibliothek häufig verwendet, um schnelle und effiziente Array-Operationen durchzuführen. Manchmal müssen wir jedoch Numpy-Arrays zur weiteren Verarbeitung oder zur Interaktion mit anderen Datentypen in Listen konvertieren. Im Folgenden werde ich einige Methoden zum schnellen Konvertieren von Numpy-Arrays in Listen vorstellen und spezifische Codebeispiele bereitstellen.

Methode 1: tolist()-Funktion
Das Numpy-Array-Objekt stellt eine tolist()-Funktion bereit, mit der das Array schnell in eine Liste konvertiert werden kann. Diese Funktion gibt eine Liste von Array-Elementen zurück.

Das Folgende ist ein Beispielcode, der die tolist()-Funktion verwendet:

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)

Laufergebnis:

[1, 2, 3, 4, 5]

Methode 2: tolist()-Funktion und mehrdimensionale Arrays
Wenn wir mehrdimensionale Numpy-Arrays verarbeiten und in Listen umwandeln möchten, Wir kann die Funktion tolist() auf jede Dimension des Arrays anwenden, d. h. die Funktion tolist() mehrmals aufrufen.

Das Folgende ist ein Beispielcode, der die Funktion tolist() verwendet, um mehrdimensionale Arrays zu verarbeiten:

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)

Laufendes Ergebnis:

[[1, 2, 3], [4, 5, 6], [7, 8, 9]]

Methode 3: Listenverständnis verwenden
Zusätzlich zur Funktion tolist() können wir auch Verwenden Sie Listenverständnisse für eine schnelle Konvertierung. Numpy-Arrays sind Listen. Mithilfe von Listenverständnissen können Array-Elemente sehr übersichtlich verarbeitet und konvertiert werden.

Das Folgende ist ein Beispielcode, der das Listenverständnis verwendet:

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)

Laufergebnis:

[1, 2, 3, 4, 5]

Methode 4: Funktion np.ndarray.tolist() verwenden
Zusätzlich zur Funktion tolist() stellt die Numpy-Bibliothek auch eine np.ndarray.tolist()-Funktion bereit .ndarray Die Funktion .tolist() kann Numpy-Arrays auch schnell in Listen umwandeln. Im Gegensatz zur Funktion tolist() in Methode 1 wird diese Funktion über die von der Numpy-Bibliothek bereitgestellte Funktion aufgerufen.

Das Folgende ist ein Beispielcode, der die Funktion np.ndarray.tolist() verwendet:

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)

Laufergebnis:

[1, 2, 3, 4, 5]

Zusammenfassung:

In diesem Artikel werden vier Methoden zum schnellen Konvertieren von Numpy-Arrays in Listen vorgestellt: die Funktion tolist(), tolist()-Funktion und mehrdimensionale Arrays unter Verwendung von Listenverständnissen unter Verwendung der np.ndarray.tolist()-Funktion. Verschiedene Methoden eignen sich für unterschiedliche Szenarien, und Leser können je nach Bedarf die geeignete Methode zum Konvertieren von Numpy-Arrays in Listen auswählen. Gleichzeitig bietet dieser Artikel auch entsprechende Codebeispiele, mit denen der Leser den Code direkt ausführen kann, um die Verwendung und Wirkung jeder Methode zu verstehen. Ich hoffe, dass dieser Artikel den Lesern beim Konvertieren von Numpy-Arrays und -Listen helfen kann.

Das obige ist der detaillierte Inhalt vonSo konvertieren Sie Numpy-Arrays schnell in Listen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Stellungnahme:
Der Inhalt dieses Artikels wird freiwillig von Internetnutzern beigesteuert und das Urheberrecht liegt beim ursprünglichen Autor. Diese Website übernimmt keine entsprechende rechtliche Verantwortung. Wenn Sie Inhalte finden, bei denen der Verdacht eines Plagiats oder einer Rechtsverletzung besteht, wenden Sie sich bitte an admin@php.cn