我有一个 numpy 数组，想要用 Json 进行转储。该数组的样式如下：
array([['foo', 'bar', 'something', ...
'more'],
['0.4', '0.7', '0.83', ...
'0.3', '0.62', '0.51']]
我想将它转储到一个字符串使用Json，如下所示：
foo: 0.4
bar: 0.7
something: 0.51
...
import jason
my_string = json.dumps(my_array)
但是它报错了：
"not JSON serializable"
array[0,0] : array[0,1]
array[1,0] : array[1,1]
array[2,0] : array[2,1]
# etc ...
在我使用更大的1024x1002浮点数组时，对我有效的方法是将其转换为base64编码。
def Base64Encode(ndarray):
return json.dumps([str(ndarray.dtype),base64.b64encode(ndarray),ndarray.shape])
def Base64Decode(jsonDump):
loaded = json.loads(jsonDump)
dtype = np.dtype(loaded[0])
arr = np.frombuffer(base64.decodestring(loaded[1]),dtype)
if len(loaded) > 2:
return arr.reshape(loaded[2])
return arr
''' just to compare '''
def SimpleEncode(ndarray):
return json.dumps(ndarray.tolist())
def SimpleDecode(jsonDump):
return np.array(json.loads(jsonDump))
ipython %timeit 的结果非常清晰，指向了base64：
arr = np.random.random_sample((1000, 1000))
print 'Simple Convert'
%timeit SimpleDecode(SimpleEncode(arr))
print 'Base64 Encoding'
%timeit Base64Decode(Base64Encode(arr))
结果：
Simple Convert
1 loops, best of 3: 1.42 s per loop
Base64 Encoding
10 loops, best of 3: 171 ms per loop
return json.dumps([str(ndarray.dtype),base64.b64encode(ndarray).decode('utf-8'),ndarray.shape])在反序列化时需要将其转换为字节数组：
arr = np.frombuffer(base64.decodestring(bytearray(loaded[1], 'utf-8')), dtype) - johnbtndarr = np.ascontiguousarray(ndarray, dtype=ndarray.dtype) - johnbt关于JSON可序列化部分，不太确定，但您可以先将其转换为字典？这似乎是JSON输出的更自然格式，并且可以处理任何数据类型的问题。
my_dict = dict(zip(my_array[1], my_array[0]))
my_array[0,0]: my_array[0,1]应该在行my_array[1,0]: my_array[1,1]之前打印，依此类推。） - Amelio Vazquez-Reina如果所有的值都是数字，如果其他方法都失败了，你总可以手动完成它：
my_array = [['0.4', '0.7', '0.83', '0.3', '0.62', '0.51'],
['foo', 'bar', 'something', 'more']]
pairs = zip(my_array[1], my_array[0])
json_values = ('"{}": {}'.format(label, value) for label, value in pairs)
my_string = '{' + ', '.join(json_values) + '}'
print my_string # '{"foo": 0.4, "bar": 0.7, "something": 0.83, "more": 0.3}'
def prettySerialize(inArray):
ids = inArray[0]
strRep = ''
for row in inArray[1:]:
for i,item in enumerate(row):
rowStr = id[i] + ':' + item + '\n'
strRep += rowStr
return strRep
这是我使用 msgpack 进行序列化的解决方案（也适用于 json）...将其转换为一个包括 dtype 和数组形状的元组：
def arrayToTuple(arr):
if arr is None:
return None
return (arr.dtype.str, arr.shape, arr.tostring())
def arrayFromTuple(tupl):
if tupl is None:
return None
typeStr, shape, dataStr = tupl
resultArray = numpy.fromstring(dataStr, dtype=typeStr).reshape(shape)
return resultArray
因此，转储和加载命令将是：
strRep = json.dumps(arrayToTuple(arr))
arrayFromTuple(json.loads(strRep))
对于msgpack.dumps和msgpack.loads（更快，更紧凑的二进制表示），这也适用。
一个可能适用于您的数组的警告：如果您的numpy数组是对象dtype，则它将不会通过标准方法序列化为完整数组。您必须单独序列化每个对象，因为存储在数组中的是对象id而不是数据。使用dtype='|S'作为最大字符串长度的dtype将使数组可序列化。
我只是稍微使用过numpy，但我认为它会以一种特殊的格式在内部保存数据，所以json模块不知道如何处理它是有道理的。
将其转换回数组是否有效？
json.dumps(numpy.asarray(my_array))
http://docs.scipy.org/doc/numpy/reference/generated/numpy.asarray.html
array[row][column]，由于您只有两行，第一个索引的最大值将是1。 - martineau