numpy数组中的自定义数据类型

Question

我正在创建一个numpy数组，该数组将填充我所创建的特定类的对象。我想初始化数组，使它只包含该类的对象。例如，这是我想做的事情，如果我这样做会发生什么。

class Kernel:
    pass

>>> L = np.empty(4,dtype=Kernel)

TypeError: data type not understood

我可以这样做：

>>> L = np.empty(4,dtype=object)

然后将L的每个元素指定为Kernel对象（或任何其他类型的对象）。但是，从编程的角度（类型检查）和数学的（对函数集的操作），我能够拥有一个Kernel的数组是如此的巧妙。

有没有办法让我使用任意类来指定numpy数组的数据类型？

Answer 1

如果您的Kernel类具有可预测数量的成员数据，那么您可以为其定义dtype而不是类。例如如果它由9个浮点数和一个int参数化，你可以做

kerneldt = np.dtype([('myintname', np.int32), ('myfloats', np.float64, 9)])
arr = np.empty(dims, dtype=kerneldt)

每次想要操作单个内核的方法时，你必须做一些强制将它们变成类内核的对象，但这是将实际数据存储在NumPy数组中的一种方法。如果你只想存储一个引用，那么没有子类化ndarray就可以做到最好的对象dtype。

Answer 2

它必须是Numpy标量类型：

http://docs.scipy.org/doc/numpy/reference/arrays.scalars.html#arrays-scalars-built-in

或ndarray的子​​类：

http://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.html#numpy.ndarray

Answer 3

据我所知，为numpy.ndarray中的元素强制执行单一类型必须手动完成（除非数组包含Numpy标量）：没有内置的检查机制（你的数组有dtype = object） 。如果你真的想要强制执行单一类型，你必须子类化ndarray并在适当的方法（__setitem__等）中实现检查。

如果要对一组函数（内核对象）实现操作，则可以通过直接在Kernel类中定义正确的操作来实现。这就是我为uncertainties.py模块所做的事情，该模块处理具有不确定性的数字的numpy.ndarrays。