np.array(df_run_index.T).tolist()[0]

时间: 2024-04-15 08:31:07 浏览: 16

浅谈numpy中np.array()与np.asarray的区别以及.tolist

5星 · 资源好评率100%

在Python的科学计算库NumPy中，`np.array()` 和 `np.asarray()` 都是用来创建数组对象的方法，但它们在处理已有数组时有着微妙的区别。本文将深入探讨这两个函数的区别以及`.tolist()`方法的用途。让我们了解 `np.array()` 和 `np.asarray()` 的基本功能。它们都能将不同类型的数据结构（如列表、元组）转换为NumPy的多维数组（ndarray）。然而，当输入已经是ndarray时，两者的处理方式就不同了。 1. **输入为列表时**： - `np.array()` 会创建一个新的ndarray对象，即使输入已经是ndarray，它也会复制一份数据，分配新的内存空间。 - `np.asarray()` 如果输入是ndarray，它不会创建新的副本，而是直接返回输入的引用，这意味着对原数组的修改会影响到返回的ndarray。 ```python a = [[1,2,3],[4,5,6],[7,8,9]] b = np.array(a) c = np.asarray(a) a[2] = 1 print(a) # 修改列表不影响b和c print(b) print(c) ``` 2. **输入为数组时**： - 当输入是ndarray，`np.array()` 创建的副本不会随着原始数组的改变而改变。 - `np.asarray()` 返回的是输入数组的视图（view），因此，如果对输入数组进行修改，返回的ndarray也会相应更新。 ```python a = np.random.random((3,3)) print(a.dtype) b = np.array(a, dtype='float64') # 创建副本 c = np.asarray(a, dtype='float64') # 创建视图 a[2] = 2 print(a) print(b) # b不受a影响 print(c) # c受a影响，因为是视图 ``` 在上面的例子中，当尝试更改数据类型时，`np.array()` 会创建一个新数组，而 `np.asarray()` 仅转换数据类型，但不复制数据。所以，即使输入是浮点数，改变输入的值时，使用`np.asarray()`创建的数组仍然会反映这些更改。 3. **转换为list类型**： `.tolist()` 方法可以将ndarray转换为Python列表。这个操作在需要将数组序列化或与其他不支持ndarray的函数交互时非常有用，因为ndarray本身不是可序列化的。序列化是将数据转换为可以存储或传输的格式的过程，例如JSON或XML。 ```python a = np.random.random((3,3)) b = a.tolist() a[1] = 2 print(a) # 修改ndarray会影响自身 print(b) # 不影响转换后的列表 ``` 补充知识：在计算机视觉库OpenCV中，有时我们需要将整数转换为固定长度的字符串，例如在保存图像文件名时。`cv::format`函数可以实现这一需求，它允许我们控制数字的小数位数： ```cpp int currentFrame = 2; std::stringstream frame_name; frame_name << cv::format("%.3d", currentFrame) << ".jpg"; // 或者使用C++11的字符串操作 std::string save_frame_path = std::to_string(currentFrame).substr(0,3) + ".jpg"; ``` 总结来说，`np.array()` 和 `np.asarray()` 在创建ndarray时的主要区别在于是否复制数据，而`.tolist()`方法则用于将ndarray转换为Python列表。理解这些区别对于有效管理和操作NumPy数组至关重要。在处理大型数据时，避免不必要的复制可以显著提高程序性能。

您可以使用以下代码将 DataFrame 的列转换为列表： ```python import numpy as np column_list = np.array(df_run_index.T).tolist()[0] ``` 这将返回 DataFrame 列的列表形式。请确保在使用该代码之前，您已经导入了 NumPy 库并将 DataFrame 对象命名为 `df_run_index`。

阅读全文

np.array(df_run_index.T).tolist()[0]

相关推荐

python将txt文件读入为np.array的方法

NP-hard.rar_NP_np hard_site:www.pudn.com

simplejson.encoder深度解析：如何处理编码过程中的特殊对象

tagging.utils进阶技巧：优化标签处理流程的5大策略

【Python数据分类】：使用tagging.models模块的高效技巧与最佳实践

【IPython.Shell中的对象检查】：深入理解Python对象，提升调试能力

【IPython.Shell与系统命令交互】：在Python中直接执行Shell命令的终极指南

Complete Guide to Configuring Python Environment in PyCharm: From Installation to Debugging, ...

【cx_Oracle在机器学习中的应用】：构建预测模型与数据库交互的高级指南

【超强组合】基于VMD-星雀优化算法NOA-Transformer-BiLSTM的光伏预测算研究Matlab实现.rar

【java毕业设计】高校四六级报名管理系统源码（ssm+jsp+mysql+说明文档+LW）.zip

【超强组合】基于VMD-飞蛾扑火优化算法MFO-Transformer-LSTM的光伏预测算研究Matlab实现.rar

【java毕业设计】水果销售管理网站源码（ssm+jsp+mysql+说明文档+LW）.zip

【超强组合】基于VMD-蚁狮优化算法ALO-Transformer-BiLSTM的光伏预测算研究Matlab实现.rar

动态加载案例分析与实践.docx

打造自己的深度学习计算环境

w 是一个大于10的无符号整数，若 w 是 n (n ≥ 2)位的整数，函数求出w的低 n-1位的数作为函数值返回

数据集-目标检测系列- 土拨鼠 检测数据集 marmot ＞＞ DataBall

mmexport1728985261641.mp4

最新推荐

Python Numpy:找到list中的np.nan值方法

浅谈keras中的keras.utils.to_categorical用法

np.random.seed() 的使用详解

解决keras,val_categorical_accuracy:,0.0000e+00问题

numpy:np.newaxis 实现将行向量转换成列向量

探索数据转换实验平台在设备装置中的应用

管理建模和仿真的文件

ggflags包的国际化问题：多语言标签处理与显示的权威指南

如何使用MATLAB实现电力系统潮流计算中的节点导纳矩阵构建和阻抗矩阵转换，并解释这两种矩阵在潮流计算中的作用和差异？

使用git-log-to-tikz.py将Git日志转换为TIKZ图形

数据集-目标检测系列- 土拨鼠检测数据集 marmot ＞＞ DataBall