Question

假设我使用相同的dtype制作两个重组并叠加它们：

>>> import numpy as np
>>> dt = [('foo', int), ('bar', float)]
>>> a = np.empty(2, dtype=dt).view(np.recarray)
>>> b = np.empty(3, dtype=dt).view(np.recarray)
>>> c = np.hstack((a,b))

虽然a和b是重新排列，但c不是：

>>> c.foo
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'numpy.ndarray' object has no attribute 'foo'
>>> d = c.view(np.recarray)
>>> d.foo
array([                  0,     111050731618561,                   0,
                   7718048, 8246760947200437872])

我显然可以再次将其变成一个重新组合，如上面d所示，但这很不方便。有没有理由为什么堆叠两个重组不会产生另一个重新排列？

Answer 1

我不知道。很可能它是一个从未实现过的bug /功能。 numpy.hstack基本上是numpy.core.fromnumeric中函数的包装器。数字是numpy的两个前身之一。 numpy中的大多数函数都有一个约定，通过调用输出上输入的方法__array_wrap__来输出与输入相同的类型，结果输出应该具有相同的数据，但是在新类中“包装” 。也许“包装”的概念不是数字的，只要添加到此函数中。

您可以使用此技术制作更智能的堆叠功能

def hstack2(arrays) :
  return arrays[0].__array_wrap__(numpy.hstack(arrays))

这适用于重组和常规数组

>>> f = hstack2((a,b))
>>> type(f)
<class 'numpy.core.records.recarray'>
>>> f.foo
array([    140633760262784,     111050731618561,     140633760262800,
                   7536928, 8391166428122670177])
>>> x = numpy.random.rand(3)
>>> y = numpy.random.rand(2)
>>> z = hstack2((x,y))
>>> type(z)
<type 'numpy.ndarray'>

我不确定你的计划是什么，但你可能想问一下numpy mailing list是否有比使用文档化但双重强调的方法更好的方法，以及他们的推理是什么不是自己做包装。

Answer 2

或者，numpy.lib.recfunctions中有一些辅助工具，我偶然发现了here。此模块具有合并和堆叠recarrays：

的功能

from numpy.lib.recfunctions import stack_arrays
c = stack_arrays((a, b), asrecarray=True, usemask=False)
c.foo
>>> array([     140239282560000,           4376479720, -4611686018427387904,
                     4358733828,           4365061216])

如果想要向recarray添加额外的列，可以使用merge_arrays来完成：

import numpy as np
from numpy.lib.recfunctions import merge_arrays
dt1 = [('foo', int), ('bar', float)]
dt2 = [('foobar', int), ('barfoo', float)]
aa = np.empty(6, dtype=dt1).view(np.recarray)
bb = np.empty(6, dtype=dt2).view(np.recarray)

cc = merge_arrays((aa, bb), asrecarray=True, flatten=True)
type(cc)
>>> numpy.core.records.recarray

（虽然不是问题的答案，但我将后一个例子作为参考发布）

堆叠numpy recarrays而不会失去他们的重新组合

3 个答案: