如何用NumPy生成指定嵌套格式的描述数组并保持原序？

我有一个包含句子ID和descriptions值的NumPy数据集，希望生成格式为[['value'], ['value']]的有序列表，仅包含描述值，且需保持原顺序以便后续与ID匹配。

目前遇到的问题是无法得到该目标格式，实际得到的是['value', 'value']，请问原因是什么？

原始输入数据 #

[
[UUID('11ea1bca-eb95-4dc8-8cb9-c7d70a806679') 'the quick brown fox']
[UUID('339619ab-bd17-401f-82c8-a927145d52cf')' jumps over the lazy dog']
]

尝试代码 #

description = np.array([description[1] for description in chunk])

实际输出 #

['the quick brown fox','jumps over the lazy dog']

期望输出 #

[['the quick brown fox'],['jumps over the lazy dog']]

环境信息 #

• Python 3.8
• 原始列表来自np.array_split(book_information, chunk_size)，对其进行分块遍历

原因 #

你写的列表推导式[description[1] for description in chunk]提取的是每个子数组里的单个字符串元素，把这些元素直接转成NumPy数组后，得到的是一维数组（对应Python的一维列表），自然不是每个元素单独成子列表的二维结构。

解决方案 #

有几种方式可以实现目标格式：

1. 修改列表推导式，嵌套子列表
   把每个提取的元素包裹进子列表，再转成NumPy数组：

   description = np.array([[desc[1]] for desc in chunk])
   

   这样生成的就是符合要求的二维数组。

2. 用NumPy索引直接提取二维子数组
   不用列表推导式，直接用NumPy索引语法提取第二列并保留二维结构：

   description = chunk[:, [1]]
   

   [:, [1]]表示提取所有行的第2个元素（索引从0开始），且保持二维结构，比列表推导式更高效。

3. 对现有一维数组做reshape转换
   如果已经得到了一维数组，可以用reshape转成二维：

   # 先得到一维数组
   desc_1d = np.array([desc[1] for desc in chunk])
   # 转为目标二维结构
   description = desc_1d.reshape(-1, 1)
   

   reshape(-1,1)会自动计算行数，固定列数为1，刚好匹配需求。

内容的提问来源于stack exchange，提问作者MarkK