Question

说，我有一个记录数组。

RA = array([('professor', 'class1', '1'), ('professor', 'class1', '1'),
       ('professor', 'class1', '0'), ('doctor', 'class3', '1')], 
      dtype=[('f0', 'S25'), ('f1', 'S25'), ('f2', 'S25')])

它的类型是ndarray

type(RA) # <type 'numpy.ndarray'>

现在，如果我们想拍一张唱片：

type(RA[0]) # <type 'numpy.void'>

我知道，根据文档，这是正常行为。

任何人都可以解释，为什么会这样？这里的问题是，当我有一个ndarray时，我可以一次提取多个字段，比如说：

RA[['f1','f2']]

同时，这不会起作用，并会抛出异常：

RA[0][['f1','f2']]

当然，我可以这样做。

type(RA[0:1]) # <type 'numpy.ndarray'>

所以，拿第一条记录：

t = RA[0:1];

然后：

t[['f1','f2']];

这将有效 - 它将返回我一个记录，但使用ndarray类型。

据我了解，此处的切片操作将返回记录数组，而索引操作返回void类型。

所以，问题是：

为什么会这样？
如前所述，获取一条记录是否正常？

谢谢。

Answer 1

此行为与Python和Numpy的其余部分一致。

每当你拍摄一些东西时，你应该期望得到与切片对象相同的类型。对于常规python列表（以及元组和字符串）以及所有Numpy数组都是如此。当您索引到一个对象时，您应该期望接收该元素的任何类型。 e.g：

pylist = [0,1,2,3,4,5]
type(pylist[0:1]) # <type 'list'>
type(pylist[0]) # <type 'int'>

nparr = array([0,1,2,3,4,5])
type(nparr[0:1]) # <type 'numpy.ndarray'>
type(nparr[0]) # <type 'numpy.int64'>

因此，您只能执行对您最终使用的类型有效的操作。在numpy.void类型的情况下，它不支持切片，因此这就是您收到异常的原因。实际上，虽然您使用RA[0][['f1','f2']]所做的事情是advanced indexing，但这也不会与numpy.void一起使用。

如果你想要做的是检索＆＃39; f1＆＃39;和＆＃39; f2＆＃39;然后你可以做第一个元素的字段：

RA[['f1','f2']][0]

你也可以在这里使用切片：

RA[['f1','f2']][0:1]

这是有效的，因为您在Numpy数组上运行，该数组支持高级索引，然后从返回的视图中选择元素（类型为numpy.ndarray）。

我还应该注意，Numpy和本机python对象之间的切片行为并不相同，但它们返回的对象类型是一致的。

从记录数组中获取一个元素时给定void

1 个答案: