Convertir de liste ou de tableau numpy d'un seul élément de flotter dans python

J'ai une fonction qui peut accepter une liste ou un tableau numpy.

Dans les deux cas, la liste/tableau a un seul élément (toujours). J'ai juste besoin de retour d'un flotteur.

Par exemple, j'ai pu recevoir:

list_ = [4]

ou le tableau numpy:

array_ = array([4])

Et je doit retourner

 4.0

Ainsi, naturellement, (je dirais), j'utilise float(...) sur list_ et obtenez:

TypeError: float() argument must be a string or a number

Je fais la même chose pour array_ et cette fois, il fonctionne en répondant par "4.0". À partir de cela, j'apprends que Python liste ne peut pas être convertie en float de cette façon.

Sur la base du succès avec le tableau numpy conversion float cela m'approche:

float(np.asarray(list_))

Et cela fonctionne quand list_ est à la fois une liste Python et quand c'est un tableau numpy.

Question

Mais il semble que cette approche a une surcharge d'abord la conversion de la liste à un tableau numpy et puis flotter. En gros: Est-il une meilleure manière de faire ceci?

Ne pouvez-vous pas utiliser de découpage: float(list_[0]) = 4.0
soit float(list_[0]) ou float(''.join(list_))

OriginalL'auteur denvar | 2015-05-18

  1. 17

    Juste accéder au premier élément de la liste/tableau, à l'aide de l'indice de l'accès et de l'index 0:

    >>> list_ = [4]
>>> list_[0]
4
>>> array_ = np.array([4])
>>> array_[0]
4

    Ce sera un int car c'est ce que vous avez inséré dans la première place. Si vous avez besoin d'un flotteur pour une raison quelconque, vous pouvez appeler float() sur elle, puis:

    >>> float(list_[0])
4.0

    OriginalL'auteur poke

  2. 10

    Vous pouvez utiliser le ndarray.l'élément méthode, comme dans a.item(). C'est aussi l'équivalent de np.asscalar (). Ceci a l'avantage de travailler dans des situations avec des points de vue et superflu axes, tandis que les solutions ci-dessus sera actuellement en pause. Par exemple,

    >>> a = np.asarray(1).view()
>>> a.item()  # correct
1

>>> a[0]  # breaks
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: too many indices for array


>>> a = np.asarray([[2]])
>>> a.item()  # correct
2

>>> a[0]  # bad result
array([2])

    Cela a aussi l'avantage de lancer une exception si le tableau n'est pas un singleton, alors que le a[0] approche silencieusement de procéder (ce qui peut conduire à des bugs de se faufiler à travers inaperçue).

    >>> a = np.asarray([1, 2])
>>> a[0]  # silently proceeds
1
>>> a.item()  # detects incorrect size
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: can only convert an array of size 1 to a Python scalar

    OriginalL'auteur Aaron Voelker

  3. 4

    Utilisation numpy.asscalar pour convertir un tableau numpy /matrice par un scalaire valeur:

    >>> a=numpy.array([[[[42]]]])
>>> numpy.asscalar(a)
42

    La sortie type de données est le même type retourné par l'entrée item méthode.

    Il a construit dans la vérification des erreurs si il n'y a plus qu'un seul élément:

    >>> a=numpy.array([1, 2])
>>> numpy.asscalar(a)

    donne:

    ValueError: can only convert an array of size 1 to a Python scalar

    Remarque: l'objet passé en asscalar doit répondre à item, donc en passant une liste ou un tuple ne fonctionne pas.

    OriginalL'auteur Tom Hale

  4. 2

    Je voudrais simplement utiliser,

    np.asarray(input, dtype=np.float)[0]
    • Si input est un ndarray du droit dtype, il n'y a pas de frais généraux, depuis np.asarray ne fait rien dans ce cas.
    • si input est un list, np.asarray permet de s'assurer que la sortie est du bon type.

    OriginalL'auteur rth