将 recarray 视为 ndarray

Question

在以前的 numpy 版本中，我可以这样做：

data = np.array([(0,1,2),(3,4,5),(6,7,8)], dtype=np.dtype([('a','<f8'), ('b','<f8'),('c','<f8')]))


data_nd = data[['a','b']].view(('<f8',2))

这会让我看到原始重排 data 作为类型 np.float32 的二维 ndarray。

在 numpy 版本 1.14 中，当我尝试上面的第二行时出现错误：

ValueError: Changing the dtype to a subarray type is only supported if the total itemsize is unchanged

这是因为 data[['a','b']] 的项目大小仍然是 24。好的，没关系，但是有什么方法可以获取那些更新项目大小的数据列的副本，以便我可以制作视图我想要的？

例如，即使复制（或深层复制）data[['a','b']] 仍然会导致项目大小为 24，我不明白。

Answer 1

您是否意识到没有元组，您的 recarray 是 3x3 且具有复制的字段值：

In [46]: data
Out[46]: 
array([[(0., 0., 0.), (1., 1., 1.), (2., 2., 2.)],
       [(3., 3., 3.), (4., 4., 4.), (5., 5., 5.)],
       [(6., 6., 6.), (7., 7., 7.), (8., 8., 8.)]],
      dtype=[('a', '<f8'), ('b', '<f8'), ('c', '<f8')])

无论如何，整个数组的视图仍然有效，您可以对其使用常规的列切片：

In [47]: data.view(('float',(3,)))
Out[47]: 
array([[[0., 0., 0.],
        [1., 1., 1.],
        [2., 2., 2.]],

       [[3., 3., 3.],
        [4., 4., 4.],
        [5., 5., 5.]],

       [[6., 6., 6.],
        [7., 7., 7.],
        [8., 8., 8.]]])
In [48]: _.shape
Out[48]: (3, 3, 3)

tolist 是转换 to/from 结构化数组的旧备用。它仍然有效：

In [49]: np.array(data[['a','b']].tolist())
Out[49]: 
array([[[0., 0.],
        [1., 1.],
        [2., 2.]],

       [[3., 3.],
        [4., 4.],
        [5., 5.]],

       [[6., 6.],
        [7., 7.],
        [8., 8.]]])

更改 data 创建以包含元组，实际上并没有改变视图行为，但可能更接近您想要的（或者我想要的）：

In [50]: data1 = np.array([(0,1,2),(3,4,5),(6,7,8)], dtype=np.dtype([('a','<f8')
    ...: , ('b','<f8'),('c','<f8')]))
In [51]: data1
Out[51]: 
array([(0., 1., 2.), (3., 4., 5.), (6., 7., 8.)],
      dtype=[('a', '<f8'), ('b', '<f8'), ('c', '<f8')])

请注意，子字段显示现在包含偏移量参数。

In [53]: data1[['a','b']]
Out[53]: 
array([(0., 1.), (3., 4.), (6., 7.)],
      dtype={'names':['a','b'], 'formats':['<f8','<f8'], 'offsets':[0,8], 'itemsize':24})

基础数据库是相同的，因此 3 列视图可以使用和不使用子字段索引：

In [54]: data1[['a','b']].view((float,(3,)))
Out[54]: 
array([[0., 1., 2.],
       [3., 4., 5.],
       [6., 7., 8.]])
In [55]: data1.view((float,(3,)))
Out[55]: 
array([[0., 1., 2.],
       [3., 4., 5.],
       [6., 7., 8.]])

我还没有阅读最新的更改。相反，我使用了过去有用的各种技巧。转换 to/from 结构化数组从未如此简单和万无一失。

将 recarray 视为 ndarray

View of recarray as ndarray

python

numpy

python-2.7

numpy-ndarray