¿Por qué json.dumps (list (np.arange (5))) falla mientras que json.dumps (np.arange (5) .tolist()) funciona

Question

Me di cuenta de este problema cuando una computadora con Ubuntu se actualizó recientemente y la versión predeterminada de Python cambió a 2.7.

import json 
import numpy as np 

json.dumps(list(np.arange(5))) # Fails, throws a "TypeError: 0 is not JSON serializable" 
json.dumps(np.arange(5).tolist()) # Works 

¿Hay una diferencia entre list() y el tolist() methd de una matriz numpy?

Answer 1

Parece que el método tolist() convierte el numpy int32 (o el tamaño que tenga) de nuevo en un int, que JSON sabe qué hacer con:

>>> list(np.arange(5)) 
[0, 1, 2, 3, 4] 
>>> type(list(np.arange(5))) 
<type 'list'> 
>>> type(list(np.arange(5))[0]) 
<type 'numpy.int32'> 
>>> np.arange(5).tolist() 
[0, 1, 2, 3, 4] 
>>> type(np.arange(5).tolist()) 
<type 'list'> 
>>> type(np.arange(5).tolist()[0]) 
<type 'int'> 

Como dicen los documentos de tolist():

devolver la matriz como una lista (posiblemente anidada).

Devuelve una copia de los datos de la matriz como una lista de Python (anidada). Los elementos de datos se convierten al tipo de Python compatible más cercano.

La última línea hace la diferencia aquí.

Answer 2

Debido a que los elementos de una matriz NumPy no son enteros nativos, sino de los propios tipos de numpy:

>>> type(np.arange(5)[0]) 
<type 'numpy.int64'> 

Usted puede utilizar una costumbre JSONEncoder para apoyar el tipo ndarray devuelto por arange:

import numpy as np 
import json 

class NumPyArangeEncoder(json.JSONEncoder): 
    def default(self, obj): 
     if isinstance(obj, np.ndarray): 
      return obj.tolist() # or map(int, obj) 
     return json.JSONEncoder.default(self, obj) 

print(json.dumps(np.arange(5), cls=NumPyArangeEncoder)) 

Answer 3

El problema es que con la primera no se obtiene un int. Obtienes un numpy.int64. Eso no puede ser serializado.