Question

我想添加两个dtype数组并获得相同的dtype类型的数组：

>>> dtype=[('p', '<i8'), ('l', '<f8')]
>>> v1 = np.array([(22, 3.14), (4, 0.1)], dtype=dtype)
>>> v1
array([(22, 3.14), (4, 0.1)], dtype=[('p', '<i8'), ('l', '<f8')])

>>> v2 = np.array([(11, 3.14), (6, 0.2)], dtype=dtype)
>>> v2
array([(11, 3.14), (6, 0.2)], dtype=[('p', '<i8'), ('l', '<f8')])

我想得到：

>>> array([(33, 6.28), (10, 0.3)], dtype=[('p', '<i8'), ('l', '<f8')])

但我明白了：

>>> v = v1 + v2
TypeError: unsupported operand type(s) for +: 'numpy.ndarray' and 'numpy.ndarray'

或

>>> v = np.sum(v1, v2)
...
TypeError: cannot perform reduce with flexible type

Answer 1

可悲的是，我不知道比分别计算每个列更简单的方法：

import numpy as np

dtype=[('p', '<i8'), ('l', '<f8')]
v1 = np.array([(22, 3.14), (4, 0.1)], dtype=dtype)
v2 = np.array([(11, 3.14), (6, 0.2)], dtype=dtype)

v = np.empty_like(v1)
for col in v1.dtype.names:
    v[col] = v1[col] + v2[col]
print(v)
# [(33L, 6.28) (10L, 0.30000000000000004)]

但是，如果您安装pandas并制作v1和v2 DataFrames，那么求和很简单：

import pandas as pd
v1 = pd.DataFrame.from_records(v1)
v2 = pd.DataFrame.from_records(v2)
v = v1 + v2
print(v)

产量

    p     l
0  33  6.28
1  10  0.30

Answer 2

如果保留结构化数组并不重要：

In [703]: v=array(v1.tolist())+array(v2.tolist())

In [704]: v
Out[704]: 
array([[ 33.  ,   6.28],
       [ 10.  ,   0.3 ]])

否则，我能提出的最佳方法就是按照@unutbu提到的那样逐列添加。

numpy添加dtype数组

2 个答案: