如何将元素为字符串数组的numpy数组转换为嵌套结构的numpy数组？

你当前使用的json.loads方案仅适配标准JSON格式的字符串，如果字符串包含Python特有字面量（比如单引号、True/False、None等）会解析失败，且map+列表推导的方式在数据量较大时性能一般，以下是两种更优实现：

方案1：高适配性实现（小数据量首选） #

用ast.literal_eval替代json.loads，它是专门用来解析Python字面量的工具，安全性和适配性都更高，代码也更简洁：

import ast
import numpy as np

res = np.array([ast.literal_eval(s) for s in test])

输出直接为shape是(2,2,3)的数值数组，和预期完全一致。

方案2：高性能实现（大数据量首选） #

如果你的test数组长度很大（上万条元素及以上），用numpy向量化函数替代Python层循环，性能提升非常明显：

import ast
import numpy as np

# 把解析函数转为numpy支持的向量化函数
parse_func = np.frompyfunc(ast.literal_eval, 1, 1)
# 解析后堆叠转换为指定类型的数值数组
res = np.stack(parse_func(test)).astype(np.int64)

这个方案避免了Python侧的遍历开销，数据量越大性能优势越突出。

内容的提问来源于stack exchange，提问作者Tontodoin