numpy.ndarray转list

可以使用 numpy 模块中的 tolist() 方法将 numpy.ndarray 转换为 Python 列表。

示例：

import numpy as np

arr = np.array([1, 2, 3])
lst = arr.tolist()
print(lst)

输出：

[1, 2, 3]

也可以直接使用 python 内置函数 `list()` 将 ndarray 转化为list

arr = np.array([1, 2, 3])
lst = list(arr)

输出同上

相关问题

python numpy.ndarray 转list

可以使用tolist()函数将numpy.ndarray转换为list。

是的，可以使用 `tolist()` 函数将 NumPy 数组转换为 Python 列表。例如，如果 `arr` 是一个 NumPy 数组，你可以使用以下代码将其转换为列表：

import numpy as np

arr = np.array([1, 2, 3])
lst = arr.tolist()

现在，`lst` 是一个 Python 列表，它包含与 `arr` 相同的元素。当您创建一个NumPy数组时，您可以将其视为具有以下属性的列表：

1. 数组的维数或轴数，也称为rank。
2. 数组的形状，即每个轴的长度。
3. 数组的数据类型，例如整数、浮点数或布尔值。

此外，NumPy数组还具有许多有用的属性和方法，包括：

1. ndarray.ndim：数组的轴数或维数（rank）。
2. ndarray.shape：数组的形状，以整数元组的形式返回，例如（3，4）表示3行4列的矩阵。
3. ndarray.size：数组中元素的总数。
4. ndarray.dtype：描述数组中元素类型的对象，例如numpy.int32、numpy.int16或numpy.float64等。
5. ndarray.itemsize：数组中每个元素的字节大小。
6. ndarray.data：包含数组实际元素的缓冲区，通常不需要直接访问它。

下面是一个例子：

import numpy as np

# 创建一个形状为(2,3)的二维数组
a = np.array([[1,2,3], [4,5,6]])

print("ndim:", a.ndim)  # 输出: 2
print("shape:", a.shape)  # 输出: (2, 3)
print("size:", a.size)  # 输出: 6
print("dtype:", a.dtype)  # 输出: int64
print("itemsize:", a.itemsize)  # 输出: 8
print("data:", a.data)  # 输出: <memory at 0x7fb93883e9a0>

python numpy.ndarray转list

可以使用tolist()函数将numpy.ndarray转换为list。

是的，可以使用 `tolist()` 函数将 NumPy 数组转换为 Python 列表。例如，如果 `arr` 是一个 NumPy 数组，你可以使用以下代码将其转换为列表：

import numpy as np

arr = np.array([1, 2, 3])
lst = arr.tolist()

现在，`lst` 是一个 Python 列表，它包含与 `arr` 相同的元素。当您创建一个NumPy数组时，您可以将其视为具有以下属性的列表：

1. 数组的维数或轴数，也称为rank。
2. 数组的形状，即每个轴的长度。
3. 数组的数据类型，例如整数、浮点数或布尔值。

此外，NumPy数组还具有许多有用的属性和方法，包括：

1. ndarray.ndim：数组的轴数或维数（rank）。
2. ndarray.shape：数组的形状，以整数元组的形式返回，例如（3，4）表示3行4列的矩阵。
3. ndarray.size：数组中元素的总数。
4. ndarray.dtype：描述数组中元素类型的对象，例如numpy.int32、numpy.int16或numpy.float64等。
5. ndarray.itemsize：数组中每个元素的字节大小。
6. ndarray.data：包含数组实际元素的缓冲区，通常不需要直接访问它。

下面是一个例子：

import numpy as np

# 创建一个形状为(2,3)的二维数组
a = np.array([[1,2,3], [4,5,6]])

print("ndim:", a.ndim)  # 输出: 2
print("shape:", a.shape)  # 输出: (2, 3)
print("size:", a.size)  # 输出: 6
print("dtype:", a.dtype)  # 输出: int64
print("itemsize:", a.itemsize)  # 输出: 8
print("data:", a.data)  # 输出: <memory at 0x7fb93883e9a0>