### Python 中 `squeeze` 和 `tolist` 方法的用法及组合效果 #### 一、`numpy.squeeze()` 方法 `numpy.squeeze()` 方法用于移除数组中的单维度条目（即大小为 1 的轴）。这可以简化多维数组结构，使其更易于处理。 - 如果输入是一个形状为 `(1, n)` 或 `(n, 1)` 的二维数组，调用 `squeeze()` 后会将其转换成一维数组。 - 对于更高维度的情况，只要某个轴的长度为 1，该轴就会被删除。 示例代码如下： ```python import numpy as np arr = np.array([[[0], [1], [2]]]) squeezed_arr = np.squeeze(arr) print(squeezed_arr) # 输出: [0 1 2] ``` 此操作的结果是从三维数组变为了一维数组[^1]。 --- #### 二、`tolist()` 方法 无论是对于 `numpy.ndarray` 还是 `pandas.DataFrame`，`.tolist()` 都是用来将对象转化为标准的 Python 数据结构（通常是列表或嵌套列表）的方法。 - **NumPy**: 将 NumPy 数组转为纯 Python 列表形式。这种转化适用于需要与其他不支持 NumPy 类型的库交互时使用。 示例代码： ```python import numpy as np arr = np.array([[1, 2], [3, 4]]) python_list = arr.tolist() print(python_list) # 输出: [[1, 2], [3, 4]] ``` - **Pandas**: 当应用于 Pandas DataFrame 或 Series 时，它同样能生成一个嵌套列表表示整个表格的数据内容。 示例代码： ```python import pandas as pd df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]}) python_list_df = df.values.tolist() # 转化为列表前需先提取 .values 属性 print(python_list_df) # 输出: [[1, 3], [2, 4]] ``` 上述两种情况均展示了如何通过 `.tolist()` 实现从专用数据容器到通用 Python 结构类型的转变。 --- #### 三、`squeeze` 和 `tolist` 组合的效果 当两者联合应用时，通常流程是先利用 `squeeze()` 减少不必要的维度，再借助 `tolist()` 把最终结果导出至常规 Python 表达方式下： 示例演示： ```python import numpy as np data = np.array([[[1]], [[[2]]]]) # 原始四维数组 processed_data = np.squeeze(data).tolist() print(processed_data) # 输出: [1, 2] ``` 这里先是压缩掉了所有多余的单一尺寸维度，随后才完成向普通列表的形式迁移过程。 --- ### 总结对比 | 特性 | `squeeze` | `tolist` | |-----------------|-----------------------------------|------------------------------------| | 功能描述 | 移除数组中小于等于 1 的维度 | 将 Numpy/Pandas 数据类型转为 List | | 输入/输出类型 | ndarray → 更低维度的 ndarray | ndarray/DataFrame/Series → list | 两者的结合能够有效解决高维复杂数据降维并适配传统编程环境的需求问题。 ---