如何分割由 numpy.void 个数字组成的 numpy.ndarray？

Question

事情是这样的：我有变量 x，它是一个 numpy.ndarray。这个结构的大小是 1000。如果我做 x[0]，那么我得到一个 numpy.void，有 4 个数字。如果我这样做 x[1]，那么我会得到另一个 numpy.void，也是 4 个数字，等等

我只想做的事情：我想对这个数据结构进行切片，以便提取一个大小为 1000x3 的 numpy 矩阵。

我该怎么做？谢谢

Answer 1

听起来你有一个结构化数组，类似于这个简单的例子：

In [158]: x = np.ones((5,), dtype='i,i,f,f')
In [159]: x
Out[159]: 
array([(1, 1,  1.,  1.), (1, 1,  1.,  1.), (1, 1,  1.,  1.),
       (1, 1,  1.,  1.), (1, 1,  1.,  1.)], 
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<f4'), ('f3', '<f4')])
In [160]: x[0]
Out[160]: (1, 1,  1.,  1.)
In [161]: type(x[0])
Out[161]: numpy.void

x[0]是一条记录，显示为一个元组。您按名称访问字段（而不是 'column' 索引）：

In [162]: x['f0']
Out[162]: array([1, 1, 1, 1, 1], dtype=int32)
In [163]: x['f2'] = np.arange(5)

In [165]: x['f1'] = [10,12,8,0,3]
In [166]: x
Out[166]: 
array([(1, 10,  0.,  1.), (1, 12,  1.,  1.), (1,  8,  2.,  1.),
       (1,  0,  3.,  1.), (1,  3,  4.,  1.)], 
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<f4'), ('f3', '<f4')])
In [168]: x[['f2','f3']]    # 2 fields at once
Out[168]: 
array([( 0.,  1.), ( 1.,  1.), ( 2.,  1.), ( 3.,  1.), ( 4.,  1.)], 
      dtype=[('f2', '<f4'), ('f3', '<f4')])

当 'columns' 应该包含不同的东西时，这很方便，例如一个包含字符串，另一个包含整数。但是将这样的数组转换为相同数值类型的二维数组可能会很尴尬。

view 和 astype 在有限的情况下工作，但 tolist 是我所知道的最强大的转换媒介。

In [179]: x.tolist()
Out[179]: 
[(1, 10, 0.0, 1.0),
 (1, 12, 1.0, 1.0),
 (1, 8, 2.0, 1.0),
 (1, 0, 3.0, 1.0),
 (1, 3, 4.0, 1.0)]
In [180]: np.array(x.tolist())
Out[180]: 
array([[  1.,  10.,   0.,   1.],
       [  1.,  12.,   1.,   1.],
       [  1.,   8.,   2.,   1.],
       [  1.,   0.,   3.,   1.],
       [  1.,   3.,   4.,   1.]])

请注意，结构化数组的 tolist 是一个元组列表，而二维数组的 tolist 是一个列表列表。朝着这个方向前进，差异并不重要。反过来说，区别很重要。

你是如何生成这个数组的？来自 csv 和 genfromtxt？作为其他一些数字包的输出？

如何分割由 numpy.void 个数字组成的 numpy.ndarray？

How to slice a numpy.ndarray made up of numpy.void numbers?

python

numpy

matrix

array-broadcasting