使用python将文字转为对应int数字，并将对应数据转为一维数组

可以使用Python中的`ord()`函数将文本转换为ASCII码，然后将每个字符的ASCII码存储到一个列表中构成一维数组。具体实现如下：

text = "Hello World!"
# 将文本转换为ASCII码
ascii_list = [ord(c) for c in text]
# 输出ASCII码列表
print(ascii_list)
# 将ASCII码列表转为一维数组
one_dim_array = np.array(ascii_list)
# 输出一维数组
print(one_dim_array)

输出结果为：

[72, 101, 108, 108, 111, 32, 87, 111, 114, 108, 100, 33]
[ 72 101 108 108 111  32  87 111 114 108 100  33]

其中，`np.array()`函数是将列表转换为一维数组的方法，需要先导入`numpy`库。

相关问题

能否提供详细的步骤或方法来实现从存储的多维数字数组到二维字符串数组，以及反过来将二维字符串数组转换为多维数字数组的过程？

在Python中，我们可以通过numpy库来方便地进行这种转换。以下是如何从存储的多维数字数组（如`int`类型）转换到二维字符串数组，再将二维字符串数组转换回多维数字数组的示例：

**从多维数字数组到二维字符串数组**[^1]:

import numpy as np

# 假设有一个二维数字数组
I = np.array([[1, 2, 3], [4, 5, 6]])
I_str = I.astype(str)
print(I_str)

**从二维字符串数组转换回多维数字数组**:

# 将二维字符串数组转换回数字数组，假设所有元素都是可以转换成数字的
I_back = np.array(I_str, dtype=int)
print(I_back)

注意：上述过程依赖于所有字符串元素能成功转换为对应的数字类型。如果遇到无法转换的字符串（例如包含非数字字符），则会引发错误。

**在MATLAB中进行类似操作**[^2]，虽然MATLAB语法有所不同，但基本思想相似：

- **从多维数字数组到二维字符串数组**:

% MATLAB代码
I = [1 2 3; 4 5 6]; % 假设I是一个多维数组
I_str = cellfun(@num2str, I);
I_str = mat2cell(I_str, size(I)); % 转换为cell数组，便于显示为二维字符串
disp(I_str)

- **从二维字符串数组转换回多维数字数组**:

% MATLAB代码
I_back = cellfun(@str2double, I_str); % 尝试将每个字符串转为数值
I_back = reshape(I_back, size(I)); % 按原数组尺寸重塑为多维数组
disp(I_back)

然而，MATLAB对于无法转换的字符串也会抛出错误。

有若干图像，进行读取，转为二维数组，将图片像素值归一化到0~1，改变图片尺寸为 [N, C, H, W]，，获取图像一维标签

，最终返回由图像二维数组和对应标签组成的数据集。

以下是Python代码示例：

import os
import numpy as np
from PIL import Image

def read_images(data_path, img_size):
    images = []
    labels = []
    for foldername in os.listdir(data_path):
        folderpath = os.path.join(data_path, foldername)
        if os.path.isdir(folderpath):
            for filename in os.listdir(folderpath):
                if filename.endswith(".jpg"):
                    filepath = os.path.join(folderpath, filename)
                    img = Image.open(filepath).convert("L") # 转为灰度图
                    img = img.resize(img_size) # 改变图片尺寸
                    img_arr = np.array(img) / 255.0 # 归一化到0~1
                    images.append(img_arr)
                    labels.append(int(foldername))
    images = np.array(images)
    labels = np.array(labels)
    return images, labels

data_path = "path/to/images"
img_size = (28, 28) # 图像尺寸
images, labels = read_images(data_path, img_size)

# 转为 [N, C, H, W] 形式
images = images.reshape(images.shape[0], 1, img_size[0], img_size[1])

# 返回数据集
dataset = {"images": images, "labels": labels}