快速将 numpy.float64 列表转换为 Python 中的浮点数

Question

将 numpy.float64 类型的元素列表转换为 float 类型的最快方法是什么？我目前正在使用直接的 for loop 迭代和 float().

我遇到了这个 post：Converting numpy dtypes to native python types，但是我的问题不是如何在 python 中转换类型，而是更具体地说如何最好地转换整个列表在 python 中以最快的方式将一种类型转换为另一种类型（即在这种特定情况下 numpy.float64 浮动）。我希望有一些我没有遇到过的秘密 python 机器可以同时完成所有工作:)

Answer 1

您可以使用列表理解：

floats = [float(np_float) for np_float in np_float_list]

Answer 2

tolist() 方法应该可以满足您的需求。如果你有一个 numpy 数组，只需调用 tolist():

In [17]: a
Out[17]: 
array([ 0.        ,  0.14285714,  0.28571429,  0.42857143,  0.57142857,
        0.71428571,  0.85714286,  1.        ,  1.14285714,  1.28571429,
        1.42857143,  1.57142857,  1.71428571,  1.85714286,  2.        ])

In [18]: a.dtype
Out[18]: dtype('float64')

In [19]: b = a.tolist()

In [20]: b
Out[20]: 
[0.0,
 0.14285714285714285,
 0.2857142857142857,
 0.42857142857142855,
 0.5714285714285714,
 0.7142857142857142,
 0.8571428571428571,
 1.0,
 1.1428571428571428,
 1.2857142857142856,
 1.4285714285714284,
 1.5714285714285714,
 1.7142857142857142,
 1.857142857142857,
 2.0]

In [21]: type(b)
Out[21]: list

In [22]: type(b[0])
Out[22]: float

如果你确实有 python 个 numpy.float64 对象列表，那么@Alexander 的答案很好，或者你可以将列表转换为数组，然后使用 tolist()方法。例如

In [46]: c
Out[46]: 
[0.0,
 0.33333333333333331,
 0.66666666666666663,
 1.0,
 1.3333333333333333,
 1.6666666666666665,
 2.0]

In [47]: type(c)
Out[47]: list

In [48]: type(c[0])
Out[48]: numpy.float64

@Alexander的建议，一个列表理解：

In [49]: [float(v) for v in c]
Out[49]: 
[0.0,
 0.3333333333333333,
 0.6666666666666666,
 1.0,
 1.3333333333333333,
 1.6666666666666665,
 2.0]

或者，转换为数组，然后使用tolist()方法。

In [50]: np.array(c).tolist()
Out[50]: 
[0.0,
 0.3333333333333333,
 0.6666666666666666,
 1.0,
 1.3333333333333333,
 1.6666666666666665,
 2.0]

如果您关心速度，这里有一个比较。输入 x 是一个 python numpy.float64 对象列表：

In [8]: type(x)
Out[8]: list

In [9]: len(x)
Out[9]: 1000

In [10]: type(x[0])
Out[10]: numpy.float64

列表理解时间：

In [11]: %timeit list1 = [float(v) for v in x]
10000 loops, best of 3: 109 µs per loop

转换为numpy数组然后tolist()的时机：

In [12]: %timeit list2 = np.array(x).tolist()
10000 loops, best of 3: 70.5 µs per loop

因此将列表转换为数组然后调用tolist().

会更快

Answer 3

所以在我遇到的可能解决方案中（非常感谢 Warren Weckesser and Alexander for pointing out all of the best possible approaches) I ran my current method and that presented by Alexander 对运行时进行了简单比较（这两个选择是因为我有一个真实的清单numpy.float64 的元素并希望将它们快速转换为 float):

涵盖 2 种方法：列表理解和循环迭代的基础

首先是代码：

import datetime
import numpy

list1 = []
for i in range(0,1000):
    list1.append(numpy.float64(i))
list2 = []
t_init = time.time()
for num in list1:
    list2.append(float(num))
t_1 = time.time()
list2 = [float(np_float) for np_float in list1]
t_2 = time.time()

print("t1 run time: {}".format(t_1-t_init))
print("t2 run time: {}".format(t_2-t_1))

我运行四次给出一组快速的结果：

>>> run 1
t1 run time: 0.000179290771484375
t2 run time: 0.0001533031463623047
Python 3.4.0

>>> run 2
t1 run time: 0.00018739700317382812
t2 run time: 0.0001518726348876953
Python 3.4.0

>>> run 3
t1 run time: 0.00017976760864257812
t2 run time: 0.0001513957977294922
Python 3.4.0

>>> run 4
t1 run time: 0.0002455711364746094
t2 run time: 0.00015997886657714844
Python 3.4.0

显然要将 numpy.float64 的真实列表转换为浮点数，最佳方法是使用 python 的列表理解。

快速将 numpy.float64 列表转换为 Python 中的浮点数

Convert list of numpy.float64 to float in Python quickly

numpy

type-conversion

python-3.x