如何在numpy中将字符串数组转换为浮点数数组？

Question

如何转换

["1.1", "2.2", "3.2"]

到

[1.1, 2.2, 3.2]

在NumPy中？

- Meh

Answer 1

如果你将数据读入为列表，只需执行np.array(map(float, list_of_strings))（或等价地使用列表推导式）。 （在Python 3中，如果使用map，则需要在map返回值上调用list，因为map现在返回迭代器。）

但是，如果它已经是字符串的numpy数组，则有更好的方法。 使用astype()。

import numpy as np
x = np.array(['1.1', '2.2', '3.3'])
y = x.astype(np.float)

- Joe Kington

---

如果我有一个包含字符串的数组需要保留，该怎么办？例如 ['a','1.1','2.2','3.3'] -> ['a',1.1,2.2,3.3] - ePascoal

使用“列表”（list）代替Numpy数组。 Numpy数组意在采用同种类型的元素。如果你真的想要不同类型的元素，可以使用对象数组（例如：np.array(['apple', 1.2, 1, {'b'=None, 'c'=object()}], dtype=object)）。但是，与使用列表相比，对象数组并没有任何显著的优势。 - Joe Kington

print(list(y))输出```[1.1，2.2，3.3][程序已完成]```，按照OP的要求。 - Subham

如果任何一个字符串为空字符串（''），则无法工作。 - germ

Answer 2

另一个选项可能是numpy.asarray：

import numpy as np
a = ["1.1", "2.2", "3.2"]
b = np.asarray(a, dtype=float)

print(a, type(a), type(a[0]))
print(b, type(b), type(b[0]))

导致：

['1.1', '2.2', '3.2'] <class 'list'> <class 'str'>
[1.1 2.2 3.2] <class 'numpy.ndarray'> <class 'numpy.float64'>

- Herpes Free Engineer

---

我在Python 2.7中对这里所有的答案进行了基准测试。假设我得到一个包含512个字符串的列表，这种方法是最快的（比Pradeep Bisht的答案稍微快一点，比Thomio的答案快1.5倍以上，比被接受的答案快两倍以上）。点个赞！ - jodag

这里不需要使用"order='C'"，因为这是一个一维数组。这行代码（至少在Python 3.6.9中）也可以实现相同效果： b=np.array(a, dtype=float) - DavidS

在编程中，将“.tolist（）”添加到末尾，例如“b = np.asarray(d，dtype = np.float64) .tolist()”，以获得逗号分隔的列表。 - Yu Da Chi

Answer 3

如果您有（或创建）一个字符串，您可以使用np.fromstring：

import numpy as np
x = ["1.1", "2.2", "3.2"]
x = ','.join(x)
x = np.fromstring( x, dtype=np.float, sep=',' )

请注意，x = ','.join(x)会将x数组转换为字符串'1.1, 2.2, 3.2'。如果您从txt文件中读取一行，则每行已经是字符串了。

- Thomio

Answer 4

你可以使用 dtype=float 的 np.array()：

import numpy as np

x = ["1.1", "2.2", "3.2"]
y = np.array(x,dtype=float)

输出：

array([1.1, 2.2, 3.2])

- Mayank Soni

Answer 5

您也可以使用这个

import numpy as np
x=np.array(['1.1', '2.2', '3.3'])
x=np.asfarray(x,float)

- pradeep bisht

Answer 6

如果您有一个包含无效值的数组，例如空字符串（''），那么直接进行转换会引发错误。如果您只想将这个“有问题”的数组转换为一个numpy浮点数组，并稍后处理无效值，那么pandas包有一个函数（pandas.to_numeric），它将无效值设置为NaN，并将其余部分转换为浮点数。

import pandas as pd

a = np.array(["1.1", "2.2"], float)      # OK

lst = ["1.1", "2.2", "3.2.", ""]
a = np.array(lst, float)                 # ValueError: could not convert string to float: '3.2.'
a = pd.to_numeric(lst, errors='coerce')  # array([1.1, 2.2, nan, nan])

- cottontail