小开

最佳答案

我经常“jsonify"np.arrays。尝试使用&;.tolist()&;方法，如下所示:

import numpy as np
import codecs, json


a = np.arange(10).reshape(2,5) # a 2 by 5 array
b = a.tolist() # nested lists with same data, indices
file_path = "/path.json" ## your path variable
json.dump(b, codecs.open(file_path, 'w', encoding='utf-8'),
separators=(',', ':'),
sort_keys=True,
indent=4) ### this saves the array in .json format

为了“unjsonify"数组使用:

obj_text = codecs.open(file_path, 'r', encoding='utf-8').read()
b_new = json.loads(obj_text)
a_new = np.array(b_new)

小开

此外，还有一些关于Python ~> Python列表vs.数组-何时使用?中的列表与数组的非常有趣的信息

可以注意到，一旦我在将数组保存到JSON文件中之前将其转换为列表，无论如何，在我现在的部署中，一旦我读取该JSON文件以供以后使用，我就可以继续以列表形式使用它(而不是将其转换回数组)。

在我看来，AND在屏幕上作为一个列表(逗号分隔)比数组(非逗号分隔)看起来更好。

使用上面的@travelingbones的.tolist()方法，我一直在使用这样的方法(捕捉一些我发现的错误):

保存字典

def writeDict(values, name):
writeName = DIR+name+'.json'
with open(writeName, "w") as outfile:
json.dump(values, outfile)

读字典

def readDict(name):
readName = DIR+name+'.json'
try:
with open(readName, "r") as infile:
dictValues = json.load(infile)
return(dictValues)
except IOError as e:
print(e)
return('None')
except ValueError as e:
print(e)
return('None')

希望这能有所帮助!

小开

下面是一个为我工作的实现，并删除了所有的nan(假设这些是简单的对象(list或dict)):

from numpy import isnan


def remove_nans(my_obj, val=None):
if isinstance(my_obj, list):
for i, item in enumerate(my_obj):
if isinstance(item, list) or isinstance(item, dict):
my_obj[i] = remove_nans(my_obj[i], val=val)


else:
try:
if isnan(item):
my_obj[i] = val
except Exception:
pass


elif isinstance(my_obj, dict):
for key, item in my_obj.iteritems():
if isinstance(item, list) or isinstance(item, dict):
my_obj[key] = remove_nans(my_obj[key], val=val)


else:
try:
if isnan(item):
my_obj[key] = val
except Exception:
pass


return my_obj

小开

我有一个类似的问题，嵌套字典与一些numpy。ndarray在里面。

def jsonify(data):
json_data = dict()
for key, value in data.iteritems():
if isinstance(value, list): # for lists
value = [ jsonify(item) if isinstance(item, dict) else item for item in value ]
if isinstance(value, dict): # for nested lists
value = jsonify(value)
if isinstance(key, int): # if key is integer: > to string
key = str(key)
if type(value).__module__=='numpy': # if value is numpy.*: > to python list
value = value.tolist()
json_data[key] = value
return json_data

小开

你可以使用熊猫:

import pandas as pd
pd.Series(your_array).to_json(orient='values')

小开

默认情况下不支持这一点，但是您可以很容易地让它工作!如果你想要返回完全相同的数据，有几个东西你需要编码:

数据本身，你可以通过obj.tolist()获得，就像@travelingbones提到的那样。有时这可能已经足够好了。
数据类型。我觉得这在很多情况下很重要。
维度(不一定是2D)，如果你假设输入确实总是一个“矩形”网格，可以从上面得到。
内存顺序(行或列为主)。这通常并不重要，但有时很重要(例如性能)，所以为什么不保存所有内容呢?

此外，你的numpy数组可以是你的数据结构的一部分，例如，你有一个包含一些矩阵的列表。为此，你可以使用一个自定义编码器，基本上做上述。

这应该足以实现解决方案。或者你可以使用json-tricks，它只做这个(并支持各种其他类型)(免责声明:我做了它)。

pip install json-tricks

然后

data = [
arange(0, 10, 1, dtype=int).reshape((2, 5)),
datetime(year=2017, month=1, day=19, hour=23, minute=00, second=00),
1 + 2j,
Decimal(42),
Fraction(1, 3),
MyTestCls(s='ub', dct={'7': 7}),  # see later
set(range(7)),
]
# Encode with metadata to preserve types when decoding
print(dumps(data))

小开

存储为JSON一个numpy。Ndarray或任何嵌套列表组合。

class NumpyEncoder(json.JSONEncoder):
def default(self, obj):
if isinstance(obj, np.ndarray):
return obj.tolist()
return json.JSONEncoder.default(self, obj)


a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.shape)
json_dump = json.dumps({'a': a, 'aa': [2, (2, 3, 4), a], 'bb': [2]},
cls=NumpyEncoder)
print(json_dump)

将输出:

(2, 3)
{"a": [[1, 2, 3], [4, 5, 6]], "aa": [2, [2, 3, 4], [[1, 2, 3], [4, 5, 6]]], "bb": [2]}

从JSON中恢复:

json_load = json.loads(json_dump)
a_restored = np.asarray(json_load["a"])
print(a_restored)
print(a_restored.shape)

将输出:

[[1 2 3]
[4 5 6]]
(2, 3)

小开

如果你在字典中嵌套了numpy数组，我发现了最好的解决方案:

import json
import numpy as np


class NumpyEncoder(json.JSONEncoder):
""" Special json encoder for numpy types """
def default(self, obj):
if isinstance(obj, np.integer):
return int(obj)
elif isinstance(obj, np.floating):
return float(obj)
elif isinstance(obj, np.ndarray):
return obj.tolist()
return json.JSONEncoder.default(self, obj)


dumped = json.dumps(data, cls=NumpyEncoder)


with open(path, 'w') as f:
json.dump(dumped, f)

感谢这家伙。

小开

这是一个不同的答案，但这可能有助于那些试图保存数据然后再次读取的人有hickle比pickle更快更简单我试图保存并在pickle dump中阅读它，但在阅读时有很多问题，浪费了一个小时，尽管我正在用自己的数据创建一个聊天机器人，但仍然没有找到解决方案。< / p >

vec_x和vec_y是numpy数组:

data=[vec_x,vec_y]
hkl.dump( data, 'new_data_file.hkl' )

然后你只需读取它并执行以下操作:

data2 = hkl.load( 'new_data_file.hkl' )

小开

你也可以使用default参数，例如:

def myconverter(o):
if isinstance(o, np.float32):
return float(o)


json.dump(data, default=myconverter)

小开

使用json.dumps default kwarg:

Default应该是一个函数，用于无法序列化的对象. ...或引发TypeError

在default函数中，检查对象是否来自模块numpy，如果是，则对ndarray使用ndarray.tolist，或对任何其他numpy特定类型使用.item。

import numpy as np


def default(obj):
if type(obj).__module__ == np.__name__:
if isinstance(obj, np.ndarray):
return obj.tolist()
else:
return obj.item()
raise TypeError('Unknown type:', type(obj))


dumped = json.dumps(data, default=default)

小开

可以做简单的for循环检查类型:

with open("jsondontdoit.json", 'w') as fp:
for key in bests.keys():
if type(bests[key]) == np.ndarray:
bests[key] = bests[key].tolist()
continue
for idx in bests[key]:
if type(bests[key][idx]) == np.ndarray:
bests[key][idx] = bests[key][idx].tolist()
json.dump(bests, fp)
fp.close()

小开

TypeError: array([[0.46872085, 0.67374235, 1.0218339, 0.13210179, 0.5440686, 0.9140083, 0.58720225, 0.2199381]]， dtype=float32)不是JSON可序列化的

当我试图将数据列表传递给model.predict()时抛出了上述错误，当我期待json格式的响应时。

> 1        json_file = open('model.json','r')
> 2        loaded_model_json = json_file.read()
> 3        json_file.close()
> 4        loaded_model = model_from_json(loaded_model_json)
> 5        #load weights into new model
> 6        loaded_model.load_weights("model.h5")
> 7        loaded_model.compile(optimizer='adam', loss='mean_squared_error')
> 8        X =  [[874,12450,678,0.922500,0.113569]]
> 9        d = pd.DataFrame(X)
> 10       prediction = loaded_model.predict(d)
> 11       return jsonify(prediction)

但是幸运的是找到了解决抛出错误的提示对象的序列化仅适用于以下转换映射应该以以下方式进行 Object - dict Array - list 字符串-字符串整数-整数

如果你向上滚动到第10行 forecast = loaded_model.predict(d)这行代码生成输出的位置数组类型的数据类型，当你试图将数组转换为json格式是不可能的

最后，我发现解决方案只是通过转换获得的输出到类型列表由下面的代码行

预测= loaded_model.predict(d)
Listtype = predict .tolist() 返回jsonify (listtype) < / p >

< p > Bhoom !最终得到了预期的产量，

< / p >

小开

使用NumpyEncoder它将处理json转储成功。NumPy数组不是JSON序列化的

import numpy as np
import json
from numpyencoder import NumpyEncoder
arr = array([   0,  239,  479,  717,  952, 1192, 1432, 1667], dtype=int64)
json.dumps(arr,cls=NumpyEncoder)

小开

如果其他人的代码(例如模块)正在执行json.dumps()，其他答案将不起作用。这种情况经常发生，例如，web服务器自动将其返回响应转换为JSON，这意味着我们不能总是更改json.dump()的参数。
这个答案解决了这个问题，并且基于一个(相对的)新的解决方案，适用于任何第三方类(不仅仅是numpy)。

TLDR

pip install json_fix

import json_fix # import this anytime before the JSON.dumps gets called
import json


# create a converter
import numpy
json.fallback_table[numpy.ndarray] = lambda array: array.tolist()


# no additional arguments needed:
json.dumps(
dict(thing=10, nested_data=numpy.array((1,2,3)))
)
#>>> '{"thing": 10, "nested_data": [1, 2, 3]}'