Numpy 中的命名元组

Question

我真的很喜欢 namedtuple 集合的功能。具体来说，我喜欢它对二维 space.

中的点有多么有用

In : from collections import namedtuple

In : Point = namedtuple('Point', ['x', 'y'])

In : p = Point(1,2)

In : p.x
Out: 1

In : p.y
Out: 2

我认为这比引用列表的第一个和第二个条目要清楚得多。我想知道是否有办法使 Point 也是一个 numpy 数组。例如

 In: p1 = Point(1,2)
 In: p2 = Point(3,4)
 In: (p1+p2).x 
 Out: 4

以及来自 numpy 的类似功能。换句话说，我想我想让 Point 成为 numpy 的子类？我可以这样做吗？又如何？

Answer 1

您可以使用 numpy 的 structured arrays:

获得一些类似的功能

In [36]: import numpy as np
    ...: point_type = [('x', float), ('y', float)]
    ...: points = np.array([(1,2), (3,4), (5,6)], dtype=point_type)

In [37]: points[2]
Out[37]: (5.0, 6.0)

In [38]: points['x']
Out[38]: array([ 1.,  3.,  5.])

甚至可以通过将结构数组转换为 recarray:

来使用属性访问（例如使用 points.x）使所有字段可用

In [39]: pts = points.view(np.recarray)

In [40]: pts['x']
Out[40]: array([ 1.,  3.,  5.])

In [41]: pts.x
Out[41]: array([ 1.,  3.,  5.])

In [42]: pts[2]
Out[42]: (5.0, 6.0)

请注意，recarray 显然存在一些性能问题，使用起来可能有点烦人。您可能还想查看 pandas 库，它也允许按属性访问字段，并且没有 recarray 的问题。

Answer 2

像point_type这样的结构化数组没有定义涉及多个字段的数学运算。

样本来自

In [470]: point_type = [('x', float), ('y', float)]
In [471]: points = np.array([(1,2), (3,4), (5,6)], dtype=point_type)
In [472]: points
Out[472]: 
array([(1.0, 2.0), (3.0, 4.0), (5.0, 6.0)], 
      dtype=[('x', '<f8'), ('y', '<f8')])
In [473]: points[0]+points[1]
...
TypeError: unsupported operand type(s) for +: 'numpy.void' and 'numpy.void'

相反，我可以创建一个二维数组，然后将其视为 point_type - 数据缓冲区布局将相同：

In [479]: points = np.array([(1,2), (3,4), (5,6)],float)
In [480]: points
Out[480]: 
array([[ 1.,  2.],
       [ 3.,  4.],
       [ 5.,  6.]])
In [481]: points.view(point_type)
Out[481]: 
array([[(1.0, 2.0)],
       [(3.0, 4.0)],
       [(5.0, 6.0)]], 
      dtype=[('x', '<f8'), ('y', '<f8')])
In [482]: points.view(point_type).view(np.recarray).x
Out[482]: 
array([[ 1.],
       [ 3.],
       [ 5.]])

我可以跨行做数学运算，并继续以点的形式查看结果：

In [483]: (points[0]+points[1]).view(point_type).view(np.recarray)
Out[483]: 
rec.array([(4.0, 6.0)], 
      dtype=[('x', '<f8'), ('y', '<f8')])
In [484]: _.x
Out[484]: array([ 4.])
In [485]: points.sum(0).view(point_type)
Out[485]: 
array([(9.0, 12.0)], 
      dtype=[('x', '<f8'), ('y', '<f8')])

或者我可以从 point_type 开始，将其视为数学的 2d，然后再查看

pdt1=np.dtype((float, (2,)))
In [502]: points
Out[502]: 
array([(1.0, 2.0), (3.0, 4.0), (5.0, 6.0)], 
      dtype=[('x', '<f8'), ('y', '<f8')])
In [503]: points.view(pdt1)
Out[503]: 
array([[ 1.,  2.],
       [ 3.,  4.],
       [ 5.,  6.]])
In [504]: points.view(pdt1).sum(0).view(point_type)
Out[504]: 
array([(9.0, 12.0)], 
      dtype=[('x', '<f8'), ('y', '<f8')])

因此可以将数组作为 2d 和 recarray 查看和操作。为了漂亮或有用，它可能需要埋在用户定义的 class.

中

从 recarray class 抄袭想法的另一种选择。它的核心只是一个结构化数组，带有专门的 __getattribute__（和 setattribute）方法。该方法首先尝试普通数组方法和属性（例如 x.shape、x.sum）。然后它尝试在定义的字段名中调整 attr。

def __getattribute__(self, attr):
    try:
        return object.__getattribute__(self, attr)
    except AttributeError: # attr must be a fieldname
        pass
    fielddict = ndarray.__getattribute__(self, 'dtype').fields
    try:
        res = fielddict[attr][:2]
    except (TypeError, KeyError):
        raise AttributeError("record array has no attribute %s" % attr)
    return self.getfield(*res)
    ...

points.view(np.recarray).x 变为 points.getfield(*points.dtype.fields['x']).

另一种方法是借鉴 namedtuple (/usr/lib/python3.4/collections/__init__.py)，并定义 x 和 y 属性，这将索引 [:,0]和二维数组的 [:,1] 列。将这些属性添加到 np.matrix 的子 class 可能是最简单的方法，让 class 确保大多数数学结果是二维的。

Numpy 中的命名元组

Namedtuple in Numpy

python

oop

numpy

namedtuple