Question

我正在将文件数据加载到numpy recarray中，然后用NaN填充已知的间隙。但是，我无法找到一种方法来增加重新排列中字段的大小，以便为填充的间隙重新分配数组。我的问题的一个例子（如下所示）引发了一个从较大到较小的形状广播的价值误差。

使用python 2.7.6.1，numpy 1.8.1-6

谢谢，Rob

import numpy as np
import numpy.ma as ma

a1 = np.arange(0,20,1)
a2 = np.arange(100,120,1)

X = np.recarray((20,), dtype=[('g', float), ('h', int)])
X['g'][:] = a1
X['h'][:] = a2

for afield in X.dtype.names:
    Y = X[afield].copy(order='K')
    for icnt in range(0,3):
        Y = np.insert(Y, 5, np.nan, axis=0)

    ma.resize(X[afield], (len(Y),) )
    X[afield][:] =  Y[:]

Answer 1

你没有＆＃34;扩展＆＃34;你的recarray X.每个标签（名称/列）都不能扩展重组，这是你希望用ma.resize做的。请注意ma.resize 返回具有新形状的新（蒙版）数组，而不更改传递给它的数组，但在您的代码中，您没有使用返回值。所以这条线没有做任何事情。澄清：

X[afield] = ma.resize(X[afield], (len(Y),) )

也不起作用，因为无法按标签扩展记录数组（＆＃39;列＆＃39;）。如果要扩展重新排列，则需要一次性完成（使用np.lib.recfunctions中的函数），因此添加一个全新的列或为所有现有列添加几个新记录。

话虽如此，为什么不试试这个：

>>> Y = np.arange(20, dtype=np.float)
>>> Ynan = np.insert(Y, (5,)*3, (np.nan,)*3)
>>> X = np.rec.fromarrays([Ynan, Ynan+100], names='g,h')
>>> X
rec.array([(0.0, 100.0), (1.0, 101.0), (2.0, 102.0), (3.0, 103.0),
       (4.0, 104.0), (nan, nan), (nan, nan), (nan, nan), (5.0, 105.0),
       (6.0, 106.0), (7.0, 107.0), (8.0, 108.0), (9.0, 109.0),
       (10.0, 110.0), (11.0, 111.0), (12.0, 112.0), (13.0, 113.0),
       (14.0, 114.0), (15.0, 115.0), (16.0, 116.0), (17.0, 117.0),
       (18.0, 118.0), (19.0, 119.0)], 
      dtype=[('g', '<f8'), ('h', '<f8')])

请注意，您无法将第二列（标签＆＃39; h＆＃39;）转换为int，因为np.nan是浮点类型。如果你尝试过，你会得到垃圾：

>>> X['h'].astype(np.int)
array([                 100,                  101,                  102,
                        103,                  104, -9223372036854775808,
       -9223372036854775808, -9223372036854775808,                  105,
                        106,                  107,                  108,
                        109,                  110,                  111,
                        112,                  113,                  114,
                        115,                  116,                  117,
                        118,                  119])

我认为你所追求的实际上是蒙面记录数组：

>>> import numpy.ma.mrecords as mrecords
>>> 
>>> X = np.rec.fromarrays([Ynan, (Ynan+100).astype(np.int)], names='g,h')
>>> Z = np.ma.array(X, mask=np.isnan(Ynan))
>>> Z2 = Z.view(mrecords.mrecarray)
>>> 
>>> Z2
masked_records(
    g : [0.0 1.0 2.0 3.0 4.0 -- -- -- 5.0 6.0 7.0 8.0 9.0 10.0 11.0 12.0 13.0 14.0
 15.0 16.0 17.0 18.0 19.0]
    h : [100 101 102 103 104 -- -- -- 105 106 107 108 109 110 111 112 113 114 115
 116 117 118 119]
    fill_value : (1e+20, 999999)
              )
>>> 
>>> Z2['h']
masked_array(data = [100 101 102 103 104 -- -- -- 105 106 107 108 109 110 111 112 113 114 115
 116 117 118 119],
             mask = [False False False False False  True  True  True False False False False
 False False False False False False False False False False False],
       fill_value = 999999)

正如您所看到的，＆＃34;列＆＃34; Z2具有所需的dtype（float和int），可以通过列名访问并隐藏一些数据。

重新分配扩大的重新分组字段

1 个答案: