Question

与numpy.recarray.tobytes相反的是什么？

>>> import numpy as np
>>> A = np.array([(28483,27759)],dtype=[('x','<u2'),('y','<u2')])
>>> A.tobytes()
'Cool'

这里A是一个4字节的结构化数组，tobytes允许我以二进制形式序列化它。如何获取适当大小的二进制字符串并在给定dtype对象的情况下对其进行反序列化？

Answer 1

我怀疑你想要frombuffer，它将字节字符串（或者更常见的是支持buffer protocol的任何Python对象）解释为数组。默认情况下，它假设dtype为np.float64，但您可以指定特定dtype，包括结构化dtype。

>>> import numpy as np
>>> A = np.frombuffer(b"Cool", dtype=[('x','<u2'),('y','<u2')])
>>> A
array([(28483, 27759)],
      dtype=[('x', '<u2'), ('y', '<u2')])

frombuffer的一个怪癖是它创建了一个直接引用你给它的字节的数组，而不是复制它们。这意味着如果您在Python字节串上使用它（例如），结果数组将是只读的：

>>> A["x"] = 23
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: assignment destination is read-only

如果您想要可写的内容，请使用np.fromstring代替np.frombuffer：

>>> A = np.fromstring(b"Cool", dtype=[('x','<u2'),('y','<u2')])
>>> A["x"] = 23
>>> A
array([(23, 27759)],
      dtype=[('x', '<u2'), ('y', '<u2')])

有关详细信息，请参阅this answer。

如果你想要一个真正的NumPy record array（而不是structured array，这只是一个具有结构化dtype的常规ndarray，你可以将结果传递给nd.rec.array ：

>>> np.rec.array(A)
rec.array([(28483, 27759)], 
          dtype=[('x', '<u2'), ('y', '<u2')])

记录数组很像结构化数组，但有自己的ndarray子类，并允许通过属性访问检索字段：

>>> B = np.rec.array(A)
>>> B.x
array([28483], dtype=uint16)

反转numpy.recarray.tobytes

1 个答案: