在Python 2.7.3中为numpy数组指定字段名称

发布时间：2020-09-05 03:55:39 所属栏目：Python 来源：互联网

导读：我很担心这一点,因为我显然错过了重点,解决方案太简单了:(我有一个带有x列的np.array,我想指定一个字段名称.所以这是我的代码：data = np.array([[1,2,3], [4.0,5.0,6.0], [11,12,12.3]]) a = np.array(data, dtype= {names: [1st, 2nd, 3rd]

我很担心这一点,因为我显然错过了重点,解决方案太简单了:(

我有一个带有x列的np.array,我想指定一个字段名称.所以这是我的代码：

data = np.array([[1,2,3],[4.0,5.0,6.0],[11,12,12.3]])
a = np.array(data,dtype= {'names': ['1st','2nd','3rd'],'formats':['f8','f8','f8']})
print a['1st']

为什么会这样

[[  1.    2.    3. ]
 [  4.    5.    6. ]
 [ 11.   12.   12.3]]

而不是[1,3]？最佳答案

In [1]: data = np.array([[1,12.3]])
In [2]: dt = np.dtype({'names': ['1st','f8']})

你的尝试：

In [3]: np.array(data,dt)
Out[3]: 
array([[(1.0,1.0,1.0),(2.0,2.0,2.0),(3.0,3.0,3.0)],[(4.0,4.0,4.0),(5.0,5.0),(6.0,6.0,6.0)],[(11.0,11.0,11.0),(12.0,12.0,12.0),(12.3,12.3,12.3)]],dtype=[('1st','


生成一个(3,3)数组,并为每个字段分配相同的值. data.astype(dt)做同样的事情.
但是view会生成一个(3,1)数组,其中每个字段都包含一列的数据.

In [4]: data.view(dt)
Out[4]: 
array([[(1.0,'

我应该提醒一下,只有当所有字段都与原始字段具有相同的数据类型时,该视图才有效.它使用相同的数据缓冲区,只是以不同的方式解释值.
您可以将结果从(3,1)重新整形为(3,).
但是既然你想要A [‘1st’]是[1,3]  – 一行数据 – 我们必须做一些其他操作.

In [16]: data.T.copy().view(dt)
Out[16]: 
array([[(1.0,11.0)],[(2.0,12.0)],[(3.0,'

我转置,然后复制(重新安排底层数据缓冲区).现在一个视图将[1,3]放在一个字段中.
请注意,结构化数组的显示使用()而不是[]来表示“行”.这是它如何接受输入的线索.
我可以将您的数据转换为元组列表：

In [19]: [tuple(i) for i in data.T]
Out[19]: [(1.0,12.300000000000001)]

In [20]: np.array([tuple(i) for i in data.T],dt)
Out[20]: 
array([(1.0,12.3)],'

这是一个包含3个字段的(3)数组.
元组列表是向np.array(…,dt)提供数据的常规方式.请参阅我的评论中的doc链接.
您还可以创建一个空数组,逐行填充,或逐个字段填充

In [26]: A=np.zeros((3,),dt)
In [27]: for i in range(3):
   ....:     A[i]=data[:,i].copy()

没有副本我得到一个ValueError：ndarray不是C-contiguous
按字段填写：

In [29]: for i in range(3):
   ....:     A[dt.names[i]]=data[i,:]

通常,结构化数组有许多行和几个字段.所以按场填充相对较快.这就是重新排列函数处理大多数复制任务的方式.
fromiter也可以使用：

In [31]: np.fromiter(data,dtype=dt)
Out[31]: 
array([(1.0,3.0),(4.0,6.0),(11.0,'

但是我在使用没有副本的data.T时得到的错误是一个强有力的指示,即逐行迭代(我的[27])

In [32]: np.fromiter(data.T,dtype=dt)
  ValueError: ndarray is not C-contiguous

zip(* data)是重新排序输入数组的另一种方式(请参阅注释链接中的@ unutbu的答案).

np.fromiter(zip(*data),dtype=dt)

正如评论中指出的那样,fromarrays有效：

np.rec.fromarrays(data,dt)

这是使用by字段复制方法的rec函数的示例：

arrayList = [sb.asarray(x) for x in arrayList]
....
_array = recarray(shape,descr)
# populate the record array (makes a copy)
for i in range(len(arrayList)):
    _array[_names[i]] = arrayList[i]

在我们的案例中是：

In [8]: data1 = [np.asarray(i) for i in data]
In [9]: data1
Out[9]: [array([ 1.,3.]),array([ 4.,5.,6.]),array([ 11.,12.,12.3])]
In [10]: for i in range(3):
    A[dt.names[i]] = data1[i]
                        （编辑：台州站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!