如何从字符串读取 NumPy 二维数组？

如何从字符串中读取 Numpy 数组？取一个像这样的字符串：

"[[ 0.5544  0.4456], [ 0.8811  0.1189]]"

并将其转换为数组：

a = from_string("[[ 0.5544  0.4456], [ 0.8811  0.1189]]")

where a成为对象：np.array([[0.5544, 0.4456], [0.8811, 0.1189]]).

我正在寻找一个非常简单的界面。将二维数组（浮点数）转换为字符串的方法，然后将它们读回以重建数组的方法：

arr_to_string(array([[0.5544, 0.4456], [0.8811, 0.1189]]))应该返回"[[ 0.5544 0.4456], [ 0.8811 0.1189]]".

string_to_arr("[[ 0.5544 0.4456], [ 0.8811 0.1189]]")应该返回对象array([[0.5544, 0.4456], [0.8811, 0.1189]]).

Ideally arr_to_string将有一个精度参数来控制转换为字符串的浮点数的精度，这样你就不会得到像这样的条目0.4444444999999999999999999.

我在 NumPy 文档中找不到任何可以同时执行此操作的内容。np.save可以让你创建一个字符串，但是无法将其加载回 (np.load仅适用于文件）。

挑战在于不仅要保存数据缓冲区，还要保存形状和数据类型。np.fromstring读取数据缓冲区，但作为一维数组；你必须从其他地方获取 dtype 和 shape。

In [184]: a=np.arange(12).reshape(3,4)

In [185]: np.fromstring(a.tostring(),int)
Out[185]: array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

In [186]: np.fromstring(a.tostring(),a.dtype).reshape(a.shape)
Out[186]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

一种历史悠久的保存 Python 对象的机制是pickle, and numpy是否符合pickle标准：

In [169]: import pickle

In [170]: a=np.arange(12).reshape(3,4)

In [171]: s=pickle.dumps(a*2)

In [172]: s
Out[172]: "cnumpy.core.multiarray\n_reconstruct\np0\n(cnumpy\nndarray\np1\n(I0\ntp2\nS'b'\np3\ntp4\nRp5\n(I1\n(I3\nI4\ntp6\ncnumpy\ndtype\np7\n(S'i4'\np8\nI0\nI1\ntp9\nRp10\n(I3\nS'<'\np11\nNNNI-1\nI-1\nI0\ntp12\nbI00\nS'\\x00\\x00\\x00\\x00\\x02\\x00\\x00\\x00\\x04\\x00\\x00\\x00\\x06\\x00\\x00\\x00\\x08\\x00\\x00\\x00\\n\\x00\\x00\\x00\\x0c\\x00\\x00\\x00\\x0e\\x00\\x00\\x00\\x10\\x00\\x00\\x00\\x12\\x00\\x00\\x00\\x14\\x00\\x00\\x00\\x16\\x00\\x00\\x00'\np13\ntp14\nb."

In [173]: pickle.loads(s)
Out[173]: 
array([[ 0,  2,  4,  6],
       [ 8, 10, 12, 14],
       [16, 18, 20, 22]])

有一个 numpy 函数可以读取 pickle 字符串：

In [181]: np.loads(s)
Out[181]: 
array([[ 0,  2,  4,  6],
       [ 8, 10, 12, 14],
       [16, 18, 20, 22]])

你提到np.save到一个字符串，但你不能使用np.load。解决这个问题的方法是进一步深入代码，并使用np.lib.npyio.format.

In [174]: import StringIO

In [175]: S=StringIO.StringIO()  # a file like string buffer

In [176]: np.lib.npyio.format.write_array(S,a*3.3)

In [177]: S.seek(0)   # rewind the string

In [178]: np.lib.npyio.format.read_array(S)
Out[178]: 
array([[  0. ,   3.3,   6.6,   9.9],
       [ 13.2,  16.5,  19.8,  23.1],
       [ 26.4,  29.7,  33. ,  36.3]])

The save字符串有一个标题dtype and shape info:

In [179]: S.seek(0)

In [180]: S.readlines()
Out[180]: 
["\x93NUMPY\x01\x00F\x00{'descr': '<f8', 'fortran_order': False, 'shape': (3, 4), }          \n",
 '\x00\x00\x00\x00\x00\x00\x00\x00ffffff\n',
 '@ffffff\x1a@\xcc\xcc\xcc\xcc\xcc\xcc#@ffffff*@\x00\x00\x00\x00\x00\x800@\xcc\xcc\xcc\xcc\xcc\xcc3@\x99\x99\x99\x99\x99\x197@ffffff:@33333\xb3=@\x00\x00\x00\x00\x00\x80@@fffff&B@']

如果你想要一个人类可读的字符串，你可以尝试json.

In [196]: import json

In [197]: js=json.dumps(a.tolist())

In [198]: js
Out[198]: '[[0, 1, 2, 3], [4, 5, 6, 7], [8, 9, 10, 11]]'

In [199]: np.array(json.loads(js))
Out[199]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

访问/从数组的列表表示是最明显的用途json。有人可能写了更详细的json数组的表示。

你也可以去csv格式路线 - 关于读取/写入 csv 数组有很多问题。

'[[ 0.5544  0.4456], [ 0.8811  0.1189]]'

对于此目的来说，这是一个很差的字符串表示形式。它看起来确实很像str()一个数组，但与,代替\n。但是没有一种干净的方法来解析嵌套[]，而缺少分隔符是一个痛苦。如果它始终如一地使用, then json可以将其转换为列表。

np.matrix接受类似 MATLAB 的字符串：

In [207]: np.matrix(' 0.5544,  0.4456;0.8811,  0.1189')
Out[207]: 
matrix([[ 0.5544,  0.4456],
        [ 0.8811,  0.1189]])

In [208]: str(np.matrix(' 0.5544,  0.4456;0.8811,  0.1189'))
Out[208]: '[[ 0.5544  0.4456]\n [ 0.8811  0.1189]]'