python - 使用 np.savez 存储字典会产生意想不到的结果？

In lại 作者：太空狗 更新时间：2023-10-29 17:45:27 25 4

In [1]: a = {'0': {'A': array([1,2,3]), 'B': array([4,5,6])}}
In [2]: a
Out[2]: {'0': {'A': array([1, 2, 3]), 'B': array([4, 5, 6])}}

In [3]: np.savez('model.npz', **a)
In [4]: a = np.load('model.npz')
In [5]: a
Out[5]: 

In [6]: a['0']
Out[6]: array({'B': array([4, 5, 6]), 'A': array([1, 2, 3])}, dtype=object)

In [7]: a['0']['B']
-------------------------------------------------- -------------------------
ValueError Traceback (most recent call last)
 in ()
----> 1 a['0']['B']

ValueError: field named B not found

In [8]: dict(a['0'])
-------------------------------------------------- -------------------------
TypeError Traceback (cuộc gọi gần đây nhất là cuối cùng)
 in ()
----> 1 dict(a['0'])

TypeError: iteration over a 0-d array

In [41]: a = {'0': {'A': array([1,2,3]), 'B': array([4,5,6])}}

In [42]: np.savez('/tmp/model.npz', **a)

In [43]: a = np.load('/tmp/model.npz')

In [44]: a['0']
Out[44]: array({'A': array([1, 2, 3]), 'B': array([4, 5, 6])}, dtype=object)

In [45]: a['0'].size
Out[45]: 1

In [46]: a['0'].item()
Out[46]: {'A': array([1, 2, 3]), 'B': array([4, 5, 6])}

In [47]: a['0'].item()['A']
Out[47]: array([1, 2, 3])

In [48]: a['0'].item()['B']
Out[48]: array([4, 5, 6])

In [84]: a = np.load('/tmp/model.npz')

In [85]: a = {key:a[key].item() for key in a}

In [86]: a['0']['A']
Out[86]: array([1, 2, 3])

25 4 0

• integration - 集成 np、np 完整、np 是困难的还是以上都不是？

  有时评估积分非常困难，但很容易验证解是否正确。在我看来它至少应该是 np，但我对这个概念的理解是有限的，我可能会遗漏一些东西 编辑:为了清楚起见，我很好奇算法的复杂性，该算法找到函数的反导数以解决不定

• algorithm - 显示 NP、NP-完全性或 NP-硬度

  我对这三个类别的理解是否正确？ 要证明问题 X 是 NP: 表明 X 可以在多项式时间内确定性地得到验证(或者X 可以使用 NTM 解决) 要证明问题 X 是 NP 完全的: 表明 X 可以在多项式时

• computer-science - NP、NP-Complete 和 NP-Hard 之间有什么区别？

  有什么区别NP , NP-完全和 NP-Hard ? 我知道网上有很多资源。我想阅读你的解释，原因是它们可能与外面的不同，或者有一些我不知道的东西。 最佳答案 我假设您正在寻找直观的定义，因为技术定义

• python - np.float 不匹配 np.float32 和 np.float64

  我正在寻找一种方法来检查 numpy 数组是 np.float64 还是 np.float32。这适用于 np.float64: a = np.random.rand(10) if not issub

• python - `np.nanargmin([np.nan, np.inf]) = 0`背后的逻辑

  我知道 np.nanargmin 找到列表中不是 NaN 的最小数字。但是，如果调用数组 [np.nan, np.inf]，它会产生 0，这是一个 NaN。我发现这种行为很奇怪，我只是想知道以这种方式

• algorithm - 如果 P=NP 那么我们怎么能说 P=NP=NP-complete？

  đóng cửa. Câu hỏi này không tuân thủ các nguyên tắc của Stack Overflow. Hiện tại nó không chấp nhận câu trả lời. Sự cố này dường như không liên quan đến việc lập trình trong phạm vi được xác định trong trung tâm trợ giúp. . Đã đóng cửa 8 năm trước. Cải thiện

• python - np.empty、np.zeros 和 np.ones 的性能

  我很好奇使用 np.empty 到底有多大不同？而不是 np.zeros ，以及关于 np.ones 的区别.我运行这个小脚本来对每个创建大型数组所花费的时间进行基准测试: import numpy

• 详解Numpy扩充矩阵维度(np.expand_dims, np.newaxis)和删除维度(np.squeeze)的方法

  在操作矩阵的时候，不同的接口对于矩阵的输入维度要求不同，输入可能为1-D，2-D，3-D等等。下面介绍一下使用Numpy进行矩阵维度变更的相关方法。主要包括以下几种： 1、np.newaxis扩充

• python - 如何检查数字是否为 np.float64 或 np.float32 或 np.float16？

  除了使用一组 or 语句之外 isinstance( x, np.float64 ) 或 isinstance( x, np.float32 ) 或 isinstance( np.float16 )

• python - np.dot 和 np.multiply 与 np.sum 在二进制交叉熵损失计算中的区别

  我尝试了以下代码，但没有发现 np.dot 和 np.multiply 与 np.sum 之间的区别 这里是 np.dot 代码 logprobs = np.dot(Y, (np.log(A2)).T

• python - 哪个更快 np.vstack、np.append、np.concatenate 或在 cython 中制作的手动函数？

  我编写了一些程序来更新 numpy在每次迭代中列出并对其进行一些操作。迭代次数取决于时间。例如在 1 秒内，可能有 1000 到 2500 次迭代。这意味着 numpy 列表中的项目对于运行程序 1

• python - 进行 Pandas 比较时，如何从 np.nan>np.nan 返回 np.nan？

  我有以下两个数据框: a = pd.DataFrame([[1,2, 3],[4,3,6], [np.nan, 2, np.nan]]) 0 1 2 0 1.0 2 3.0 1

• python - np.any(np.not_equal(arr, 0), axis=0) 与 np.count_nonzero(arr)

  我有一个包含很多非零值的数组。当我使用以下方法计算非零项目总数时，我得到了 2 个不同的结果: 1) non_zero_weights = np.any(np.not_equal(lr_l1.coef

• python - cython 中 np.int、np.int_、int 和 np.int_t 之间的区别？

  我对这么多int有点挣扎cython 中的数据类型。 np.int, np.int_, np.int_t, int 我猜 int在纯python中相当于np.int_ , 那么 np.int 在哪里来

• python - np.full(size, 0) vs. np.zeros(size) vs. np.empty()

  如果您要选择以下三种初始化零数组的方法之一，您会选择哪一种以及为什么？ my_arr_1 = np.full(size, 0) 或 my_arr_2 = np.zeros(size) 或 my_arr

• python - 当 np.nan 设置为默认值时，为什么 np.select 返回 'nan' 作为字符串而不是 np.nan？

  我正在使用 np.select 根据应用于其他列的多个条件创建一个新列。这是一个简单的例子: df = pd.DataFrame({'A': [0, 3, 4], 'B': [10, 0, 2]})

• python - 当 np.nan 设置为默认值时，为什么 np.select 返回 'nan' 作为字符串而不是 np.nan？

  我正在使用 np.select 根据应用于其他列的多个条件创建一个新列。这是一个简单的例子: df = pd.DataFrame({'A': [0, 3, 4], 'B': [10, 0, 2]})

• python - np.matrix(np.array([0,0])) 和 np.matrix([0,0]) 有区别吗？

  我正在读这个code ，用于从头开始实现线性回归: # convert from data frames to numpy matrices X = np.matrix(X.values) y = n

• python - 使用 struct.unpack VS np.frombuffer VS np.ndarray VS np.fromfile 解压二进制文件

  我正在解压缩具有许多不同数据类型的大型二进制文件 (~1GB)。我正处于创建循环以隐藏每个字节的早期阶段。我一直在使用 struct.unpack，但最近认为如果我使用 numpy 它会运行得更快。然

• nlp - 从斯坦福依赖分析树中提取 NP-VP-NP

  我需要从依存分析树中提取形式为 NP-VP-NP 的三元组，作为 Stanford Parser 中词汇化分析的输出。 执行此操作的最佳方法是什么。例如如果解析树如下: (ROOT (S