Question

我在使用view方法将字段分配给数组时遇到了一些问题。显然，似乎没有控制你想如何分配字段。

a=array([[1,2],[1,2],[1,2]]) # 3x2 matrix
#array([[1, 2],
#       [1, 2],
#       [1, 2]])  

aa=a.transpose() # 2x3 matrix
#array([[1, 1, 1],
#       [2, 2, 2]])

a.view(dtype='i8,i8') # This works
a.view(dtype='i8,i8,i8') # This returns error ValueError: new type not compatible with array.
aa.view(dtype='i8,i8') # This works
aa.view(dtype='i8,i8,i8') # This returns error ValueError: new type not compatible with array.

事实上，如果我从头开始创建aa而不是使用a的转置，

b=array([[1,1,1],[2,2,2]])
b.view(dtype='i8 i8') # This returns ValueError again.
b.view(dtype='i8,i8,i8') # This works

为什么会这样？有什么办法可以设置字段来表示行或列吗？

Answer 1

在NumPy中创建标准数组时，数据会占用一些连续的内存块。每个块的大小取决于dtype，这些块的数量和组织由阵列的形状决定。结构化数组遵循相同的模式，除了每个块现在由几个子块组成，每个子块占据由相应的dtype字段定义的空间。

在您的示例中，您定义了一个(3,2)整数数组（a）。对于第一行，这是2 int块，然后是第二行的2个其他块，然后是第一行的最后2个块。如果要将其转换为结构化数组，可以保留原始布局（每个块变为唯一字段（a.view(dtype=[('f0', int)]），或将2块行转换为1个较大块的行，包括2个子块-blocks，每个子块具有int大小。这就是你a.view(dtype=[('f0',int),('f1',int)])时发生的事情。

您不能制作更大的块（即，dtype="i8,i8,i8"），因为相应的信息将分布在不同的行中。

现在，您可以以不同的方式显示数组，例如逐列显示数组：这是您执行数组的.transpose时发生的情况。但它只是显示（NumPy术语中的“视图”），它不会改变原始内存布局。所以，你的aa例子，原始布局仍然是“3行2个整数”，你可以表示为“2个整数的一个块的3行”。

在第二个示例b=array([[1,1,1],[2,2,2]])中，您有不同的布局：2行3 int块。您可以将3个int块分组为一个更大的块（dtype="i8,i8,i8"），因为您没有超过一行。你不能将它分为两个，因为每行都会有一个额外的块。

您可以将(N,M)标准数组转换为（1）N结构化M字段数组或（2）{1}}结构化数组1字段，就是这样。 NxM是数组在创建时赋予的形状。您可以通过转置将数组显示为(N,M)数组，但这不会修改原始内存布局。

Answer 2

当您将视图指定为b.view(dtype='i8, i8')时，您要求numpy将值重新解释为具有两个值的元组集，但这简直是不可行的，因为我们有3个值不是' t是2的倍数，就像重塑矩阵一样，它会生成一个不同大小的新矩阵，numpy不喜欢这样的东西。

如何使用view（numpy）将2D数组转换为结构化数组？

2 个答案: