如何遍历tensorflow.train.Example/Feature对象并转为列表或NumPy数组

要把你的tf.train.Example对象转换成目标格式的列表或NumPy数组，核心是提取每个Feature的数值列表，再按位置配对组合：

步骤1：提取Feature的数值 #

每个tf.train.Feature对象的int64_list或float_list都有value属性，直接取出即可得到对应的Python列表：

# 从example中提取整数和浮点数的数值列表
int_values = example.features.feature['my_ints'].int64_list.value
float_values = example.features.feature['my_floats'].float_list.value

步骤2：配对组合成目标格式 #

用列表推导式结合zip函数，将两个列表按位置一一配对，生成你需要的嵌套列表：

# 生成目标格式的Python列表
target_list = [[int_val, float_val] for int_val, float_val in zip(int_values, float_values)]

步骤3：转换为NumPy数组（可选） #

如果需要NumPy数组，直接用numpy.array()转换即可：

import numpy as np
target_np_array = np.array(target_list)

完整测试代码 #

把上述步骤整合到你的代码中，运行后就能得到预期结果：

import tensorflow as tf
import numpy as np

int_feature = tf.train.Feature(
    int64_list=tf.train.Int64List(value=[1, 2, 3, 4]))
float_feature = tf.train.Feature(
    float_list=tf.train.FloatList(value=[1., 2., 3., 4.]))

example = tf.train.Example(
    features=tf.train.Features(feature={
        'my_ints': int_feature,
        'my_floats': float_feature
    }))

# 提取数值
int_values = example.features.feature['my_ints'].int64_list.value
float_values = example.features.feature['my_floats'].float_list.value

# 生成目标列表
target_list = [[int_val, float_val] for int_val, float_val in zip(int_values, float_values)]
print(target_list)
# 输出：[[1, 1.0], [2, 2.0], [3, 3.0], [4, 4.0]]

# 转换为NumPy数组
target_np_array = np.array(target_list)
print(target_np_array)
# 输出：
# [[1. 1.]
#  [2. 2.]
#  [3. 3.]
#  [4. 4.]]

注意：如果两个Feature的数值长度不一致，zip会自动截断到较短的列表长度，需要确保两个Feature的元素数量匹配。

内容的提问来源于stack exchange，提问作者Zabir Al Nazi Nabil