Question

我遇到的问题是，使用ndarray.view(np.dtype)从经典ndarray获取结构化数组似乎错误地计算了float到int转换。

示例更好地说明：

In [12]: B
Out[12]: 
array([[  1.00000000e+00,   1.00000000e+00,   0.00000000e+00,
      0.00000000e+00,   4.43600000e+01,   0.00000000e+00],
   [  1.00000000e+00,   2.00000000e+00,   7.10000000e+00,
      1.10000000e+00,   4.43600000e+01,   1.32110000e+02],
   [  1.00000000e+00,   3.00000000e+00,   9.70000000e+00,
      2.10000000e+00,   4.43600000e+01,   2.04660000e+02],
   ..., 
   [  1.28900000e+03,   1.28700000e+03,   0.00000000e+00,
      9.99999000e+05,   4.75600000e+01,   3.55374000e+03],
   [  1.28900000e+03,   1.28800000e+03,   1.29000000e+01,
      5.40000000e+00,   4.19200000e+01,   2.08400000e+02],
   [  1.28900000e+03,   1.28900000e+03,   0.00000000e+00,
      0.00000000e+00,   4.19200000e+01,   0.00000000e+00]])

In [14]: B.view(A.dtype)
Out[14]: 
array([(4607182418800017408, 4607182418800017408, 0.0, 0.0, 44.36, 0.0),
   (4607182418800017408, 4611686018427387904, 7.1, 1.1, 44.36, 132.11),
   (4607182418800017408, 4613937818241073152, 9.7, 2.1, 44.36, 204.66),
   ...,
   (4653383897399164928, 4653375101306142720, 0.0, 999999.0, 47.56, 3553.74),
   (4653383897399164928, 4653379499352653824, 12.9, 5.4, 41.92, 208.4),
   (4653383897399164928, 4653383897399164928, 0.0, 0.0, 41.92, 0.0)], 
  dtype=[('i', '<i8'), ('j', '<i8'), ('tnvtc', '<f8'), ('tvtc', '<f8'), ('tf', '<f8'), ('tvps', '<f8')])

'i'和'j'列是真正的整数：

这里有两个我已经完成的检查，问题似乎来自ndarray.view(np.int)

In [21]: B[:,:2]
Out[21]: 
array([[  1.00000000e+00,   1.00000000e+00],
   [  1.00000000e+00,   2.00000000e+00],
   [  1.00000000e+00,   3.00000000e+00],
   ..., 
   [  1.28900000e+03,   1.28700000e+03],
   [  1.28900000e+03,   1.28800000e+03],
   [  1.28900000e+03,   1.28900000e+03]])

In [22]: B[:,:2].view(np.int)
Out[22]: 
array([[4607182418800017408, 4607182418800017408],
   [4607182418800017408, 4611686018427387904],
   [4607182418800017408, 4613937818241073152],
   ..., 
   [4653383897399164928, 4653375101306142720],
   [4653383897399164928, 4653379499352653824],
   [4653383897399164928, 4653383897399164928]])

In [23]: B[:,:2].astype(np.int)
Out[23]: 
array([[   1,    1],
   [   1,    2],
   [   1,    3],
   ..., 
   [1289, 1287],
   [1289, 1288],
   [1289, 1289]])

我做错了什么？由于numpy分配内存，我不能改变类型吗？还有另一种方法可以做到这一点（fromarrays，指责shape mismatch？

Answer 1

实际上，from_arrays有效，但它没有解释这种奇怪的比赛。

以下是我找到的解决方案：

np.core.records.fromarrays(B.T, dtype=A.dtype)

Answer 2

这是执行somearray.view(new_dtype)和调用astype之间的区别。

你所看到的正是预期的行为，而且是非常慎重的，但是当你第一次碰到它时就会起义。

具有不同dtype的视图将数组的底层内存缓冲区解释为给定的dtype。没有制作副本。它非常强大，但你必须了解你在做什么。

要记住的一个关键事项是，调用view永远不会改变底层内存缓冲区，就像numpy所看到的那样（例如dtype，shape，strides）。因此，view 故意避免将数据更改为新类型，而只是将“旧位”解释为新的dtype。

例如：

In [1]: import numpy as np

In [2]: x = np.arange(10)

In [3]: x
Out[3]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [4]: x.dtype
Out[4]: dtype('int64')

In [5]: x.view(np.int32)
Out[5]: array([0, 0, 1, 0, 2, 0, 3, 0, 4, 0, 5, 0, 6, 0, 7, 0, 8, 0, 9, 0],
              dtype=int32)

In [6]: x.view(np.float64)
Out[6]:
array([  0.00000000e+000,   4.94065646e-324,   9.88131292e-324,
         1.48219694e-323,   1.97626258e-323,   2.47032823e-323,
         2.96439388e-323,   3.45845952e-323,   3.95252517e-323,
         4.44659081e-323])

如果您想使用新的dtype复制数组，请改用astype：

In [7]: x
Out[7]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [8]: x.astype(np.int32)
Out[8]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], dtype=int32)

In [9]: x.astype(float)
Out[9]: array([ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.,  8.,  9.])

但是，对结构化数组使用astype可能会让您感到惊讶。结构化数组将输入的每个元素视为类似C的结构。因此，如果你致电astype，你会遇到几个惊喜。

基本上，您希望列具有不同的dtype。在这种情况下，请不要将它们放在同一个数组中。 Numpy阵列预计是同质的。结构化数组在某些情况下很方便，但如果您正在寻找处理单独数据列的内容，它们可能不是您想要的。只需将每列用作自己的数组。

更好的是，如果你使用表格数据，你可能会发现它比直接使用numpy数组更容易使用pandas。 pandas面向表格数据（其中列预计具有不同的类型），而numpy则面向同质数组。

Answer 3

在类似情况下对我有用的唯一解决方案：

  var newData = // your data as DataTable Format;

  // Get Current Scroll position
  var scrollingRowIndex = MyDataGridView.FirstDisplayedScrollingRowIndex;

  // Get Current Row
  var currentRow = MyDataGridView.CurrentCell != null
                                 ? MyDataGridView.CurrentCell.RowIndex
                                 : -1;

  DataTable bindedData;
  var currentDataSource = MyDataGridView.DataSource as DataTable;


  if (currentDataSource != null)
  {
       currentDataSource.Merge(newData);
       bindedData = currentDataSource;
  }
  else
  {
      bindedData = newData;
  }

  MyDataGridView.DataSource = bindedData;
  MyDataGridView.Update();

  // set Current Scroll position
  if (scrollingRowIndex > -1)
         MyDataGridView.FirstDisplayedScrollingRowIndex = scrollingRowIndex;

  // set Current Row
  if (currentRow > -1)
         MyDataGridView.Rows[currentRow].Selected = true;

ndarray到structured_array并浮动到int

3 个答案: