NumPy 배열은 JSON 직렬화 가능하지 않습니다

NumPy 배열을 만들고 장고 컨텍스트 변수로 저장 한 후 웹 페이지를로드 할 때 다음 오류가 발생합니다.

array([   0,  239,  479,  717,  952, 1192, 1432, 1667], dtype=int64) is not JSON serializable

이것은 무엇을 의미 하는가?

나는 정기적으로 np.arrays를 "jsonify"합니다. 먼저 다음과 같이 배열에서 ".tolist ()"메소드를 사용해보십시오.

import numpy as np
import codecs, json 

a = np.arange(10).reshape(2,5) # a 2 by 5 array
b = a.tolist() # nested lists with same data, indices
file_path = "/path.json" ## your path variable
json.dump(b, codecs.open(file_path, 'w', encoding='utf-8'), separators=(',', ':'), sort_keys=True, indent=4) ### this saves the array in .json format

배열을 "unjsonify"하려면 다음을 사용하십시오.

obj_text = codecs.open(file_path, 'r', encoding='utf-8').read()
b_new = json.loads(obj_text)
a_new = np.array(b_new)

JSON으로 numpy.ndarray 또는 중첩 목록 구성을 저장하십시오.

class NumpyEncoder(json.JSONEncoder):
    def default(self, obj):
        if isinstance(obj, np.ndarray):
            return obj.tolist()
        return json.JSONEncoder.default(self, obj)

a = np.array([[1, 2, 3], [4, 5, 6]])
print(a.shape)
json_dump = json.dumps({'a': a, 'aa': [2, (2, 3, 4), a], 'bb': [2]}, cls=NumpyEncoder)
print(json_dump)

출력합니다 :

(2, 3)
{"a": [[1, 2, 3], [4, 5, 6]], "aa": [2, [2, 3, 4], [[1, 2, 3], [4, 5, 6]]], "bb": [2]}

JSON에서 복원하려면

json_load = json.loads(json_dump)
a_restored = np.asarray(json_load["a"])
print(a_restored)
print(a_restored.shape)

출력합니다 :

[[1 2 3]
 [4 5 6]]
(2, 3)

팬더 를 사용할 수 있습니다 :

import pandas as pd
pd.Series(your_array).to_json(orient='values')

사전에 numpy 배열을 중첩하면 가장 좋은 해결책을 찾았습니다.

import json
import numpy as np

class NumpyEncoder(json.JSONEncoder):
    """ Special json encoder for numpy types """
    def default(self, obj):
        if isinstance(obj, np.integer):
            return int(obj)
        elif isinstance(obj, np.floating):
            return float(obj)
        elif isinstance(obj, np.ndarray):
            return obj.tolist()
        return json.JSONEncoder.default(self, obj)

dumped = json.dumps(data, cls=NumpyEncoder)

with open(path, 'w') as f:
    json.dump(dumped, f)

이 사람 에게 감사합니다 .

json.dumps defaultkwarg를 사용하십시오 .

default는 달리 직렬화 할 수없는 객체에 대해 호출되는 함수 여야합니다.

에서 default기능 검사 대상물이 모듈에서 NumPy와이면 어느 용도 그렇다면 ndarray.tolistA에 대한 ndarray사용하거나 .item다른 NumPy와의 특정 유형.

import numpy as np

def default(obj):
    if type(obj).__module__ == np.__name__:
        if isinstance(obj, np.ndarray):
            return obj.tolist()
        else:
            return obj.item()
    raise TypeError('Unknown type:', type(obj))

dumped = json.dumps(data, default=default)

이 기능은 기본적으로 지원되지 않지만 매우 쉽게 작동 할 수 있습니다! 똑같은 데이터를 다시 원한다면 인코딩하고 싶은 것이 몇 가지 있습니다.

• obj.tolist()@travelingbones가 언급 한대로 얻을 수있는 데이터 자체 . 때로는 이것으로 충분할 수 있습니다.
• 데이터 타입. 나는 이것이 매우 중요한 경우라고 생각합니다.
• 입력이 항상 '직사각형'그리드라고 가정하면 위로부터 파생 될 수있는 치수 (2D 일 필요는 없음)입니다.
• 메모리 순서 (행 또는 열 주요). 이것은 종종 중요하지 않지만 때로는 중요합니다 (예 : 성능). 왜 모든 것을 저장하지 않습니까?

또한 numpy 배열은 데이터 구조의 일부일 수 있습니다. 예를 들어 일부 행렬이 포함 된 목록이 있습니다. 이를 위해 기본적으로 위의 작업을 수행하는 사용자 지정 인코더를 사용할 수 있습니다.

솔루션을 구현하기에 충분해야합니다. 또는이 작업 을 수행하고 다양한 다른 유형을 지원하는 json-tricks 를 사용할 수 있습니다 (면책 조항 : 내가 만들었습니다).

pip install json-tricks

그때

data = [
    arange(0, 10, 1, dtype=int).reshape((2, 5)),
    datetime(year=2017, month=1, day=19, hour=23, minute=00, second=00),
    1 + 2j,
    Decimal(42),
    Fraction(1, 3),
    MyTestCls(s='ub', dct={'7': 7}),  # see later
    set(range(7)),
]
# Encode with metadata to preserve types when decoding
print(dumps(data))

numpy.ndarrays가있는 중첩 된 사전과 비슷한 문제가있었습니다.

def jsonify(data):
    json_data = dict()
    for key, value in data.iteritems():
        if isinstance(value, list): # for lists
            value = [ jsonify(item) if isinstance(item, dict) else item for item in value ]
        if isinstance(value, dict): # for nested lists
            value = jsonify(value)
        if isinstance(key, int): # if key is integer: > to string
            key = str(key)
        if type(value).__module__=='numpy': # if value is numpy.*: > to python list
            value = value.tolist()
        json_data[key] = value
    return json_data

default예를 들어 인수를 사용할 수도 있습니다 .

def myconverter(o):
    if isinstance(o, np.float32):
        return float(o)

json.dump(data, default=myconverter)

또한 파이썬의 목록 대 배열에 대한 흥미로운 정보가 있습니다 ~> Python List vs. Array-언제 사용합니까?

JSON 파일에 저장하기 전에 배열을 목록으로 변환하고 나면 지금 배치에서 나중에 해당 JSON 파일을 나중에 읽은 후에는 목록 형식으로 계속 사용할 수 있습니다. 다시 배열로 변환하는 것과 반대입니다).

AND는 실제로 화면에서 목록 (쉼표로 구분) 대 배열 (쉼표로 구분되지 않음) 로이 방법으로 더 멋지게 보입니다.

위의 @travelingbones의 .tolist () 메소드를 사용하여 그와 같이 사용하고 있습니다 (발견 된 몇 가지 오류도 포착).

사전 저장

def writeDict(values, name):
    writeName = DIR+name+'.json'
    with open(writeName, "w") as outfile:
        json.dump(values, outfile)

사전 읽기

def readDict(name):
    readName = DIR+name+'.json'
    try:
        with open(readName, "r") as infile:
            dictValues = json.load(infile)
            return(dictValues)
    except IOError as e:
        print(e)
        return('None')
    except ValueError as e:
        print(e)
        return('None')

도움이 되었기를 바랍니다!

다음은 나를 위해 작동하고 모든 nan을 제거하는 구현입니다 (이것이 간단한 객체라고 가정 (목록 또는 dict)).

from numpy import isnan

def remove_nans(my_obj, val=None):
    if isinstance(my_obj, list):
        for i, item in enumerate(my_obj):
            if isinstance(item, list) or isinstance(item, dict):
                my_obj[i] = remove_nans(my_obj[i], val=val)

            else:
                try:
                    if isnan(item):
                        my_obj[i] = val
                except Exception:
                    pass

    elif isinstance(my_obj, dict):
        for key, item in my_obj.iteritems():
            if isinstance(item, list) or isinstance(item, dict):
                my_obj[key] = remove_nans(my_obj[key], val=val)

            else:
                try:
                    if isnan(item):
                        my_obj[key] = val
                except Exception:
                    pass

    return my_obj

이것은 다른 대답이지만 데이터를 저장 한 다음 다시 읽으려고하는 사람들에게 도움이 될 수 있습니다.
피클보다 빠르고 더 쉬운 방해가 있습니다.
나는 피클 덤프로 저장하고 읽으려고했지만 읽는 동안 많은 문제가 있었고 한 시간을 낭비했지만 채팅 봇을 만들기 위해 내 자신의 데이터를 작업하고 있지만 해결책을 찾지 못했습니다.

vec_x와 vec_yNumPy와 배열은 다음과 같습니다 :

data=[vec_x,vec_y]
hkl.dump( data, 'new_data_file.hkl' )

그런 다음 그냥 읽고 작업을 수행하십시오.

data2 = hkl.load( 'new_data_file.hkl' )

검사 유형으로 간단한 for 루프를 수행 할 수 있습니다.

with open("jsondontdoit.json", 'w') as fp:
    for key in bests.keys():
        if type(bests[key]) == np.ndarray:
            bests[key] = bests[key].tolist()
            continue
        for idx in bests[key]:
            if type(bests[key][idx]) == np.ndarray:
                bests[key][idx] = bests[key][idx].tolist()
    json.dump(bests, fp)
    fp.close()

NumpyEncoder를 사용하면 json 덤프를 성공적으로 처리합니다. 처리하지 않고 NumPy 배열이 JSON 직렬화 가능하지 않습니다.

import numpy as np
import json
from numpyencoder import NumpyEncoder
arr = array([   0,  239,  479,  717,  952, 1192, 1432, 1667], dtype=int64) 
json.dumps(arr,cls=NumpyEncoder)

TypeError : array ([[0.46872085, 0.67374235, 1.0218339, 0.13210179, 0.5440686, 0.9140083, 0.58720225, 0.2199381]], dtype = float32)는 JSON 직렬화 가능하지 않습니다

json 형식의 응답을 기대할 때 model.predict ()에 데이터 목록을 전달하려고 할 때 위에서 언급 한 오류가 발생했습니다.

> 1        json_file = open('model.json','r')
> 2        loaded_model_json = json_file.read()
> 3        json_file.close()
> 4        loaded_model = model_from_json(loaded_model_json)
> 5        #load weights into new model
> 6        loaded_model.load_weights("model.h5")
> 7        loaded_model.compile(optimizer='adam', loss='mean_squared_error')
> 8        X =  [[874,12450,678,0.922500,0.113569]]
> 9        d = pd.DataFrame(X)
> 10       prediction = loaded_model.predict(d)
> 11       return jsonify(prediction)

그러나 운 좋게도 던지는 오류를 해결하는 힌트를 찾았습니다. 객체의 직렬화는 다음 변환에만 적용 가능합니다.

이 코드 줄이 array datatype 유형의 출력을 생성하는 행 번호 10 prediction = loaded_model.predict (d)를 보려면 위로 스크롤하면 배열을 json 형식으로 변환하려고 할 때 불가능합니다.

마지막으로 코드 행을 따라 얻은 출력을 유형 목록으로 변환하여 해결책을 찾았습니다.

예측 = loaded_model.predict (d)
목록 유형 = prediction.tolist () 반환 jsonify (listtype)

hoo! 마침내 예상되는 결과를 얻었습니다.