Question

我正在尝试在Python中构造一个structured array，可以通过列和行的名称进行访问。使用numpy的structured array方法可以实现吗？

实施例：我的数组应该大致有这种形式：

My_array =        A B C 
                E 1 2 3 
                F 4 5 6 
                G 7 8 9

我希望有可能做到以下几点：

My_array["A"]["E"] = 1
My_array["C"]["F"] = 6

是否可以使用structured arrays在pyhton中执行此操作，还是有其他类型的结构更适合此类任务？

Answer 1

使用重新排列，您可以使用点表示法或具有列名称的特定参考来访问列。对于行，可通过行号访问它们。我还没有通过行名访问它们，例如：

>>> import numpy as np
>>> a = np.arange(1,10,1).reshape(3,3)
>>> dt = np.dtype([('A','int'),('B','int'),('C','int')])
>>> a.dtype = dt
>>> r = a.view(type=np.recarray)
>>> r
rec.array([[(1, 2, 3)],
       [(4, 5, 6)],
       [(7, 8, 9)]], 
      dtype=[('A', '<i4'), ('B', '<i4'), ('C', '<i4')])
>>> r.A
array([[1],
       [4],
       [7]])
>>> r['A']
array([[1],
       [4],
       [7]])
>>> r.A[0]
array([1])
>>> a['A'][0]
array([1])
>>> # now for the row
>>> >>> r[0]
rec.array([(1, 2, 3)], 
      dtype=[('A', '<i4'), ('B', '<i4'), ('C', '<i4')])
>>>

您可以同时指定dtype和类型

>>> a = np.ones((3,3))
>>> b = a.view(dtype= [('A','<f8'), ('B','<f8'),('C', '<f8')], type = np.recarray)
>>> b
rec.array([[(1.0, 1.0, 1.0)],
       [(1.0, 1.0, 1.0)],
       [(1.0, 1.0, 1.0)]], 
      dtype=[('A', '<f8'), ('B', '<f8'), ('C', '<f8')])
>>> b.A
array([[ 1.],
       [ 1.],
       [ 1.]])
>>> b.A[0]
array([ 1.])

Answer 2

基本结构化数组为您提供了可以使用一个名称编制索引的内容：

In [276]: dt=np.dtype([('A',int),('B',int),('C',int)])
In [277]: x=np.arange(9).reshape(3,3).view(dtype=dt)
In [278]: x
Out[278]: 
array([[(0, 1, 2)],
       [(3, 4, 5)],
       [(6, 7, 8)]], 
      dtype=[('A', '<i4'), ('B', '<i4'), ('C', '<i4')])

In [279]: x['B']   # index by field name
Out[279]: 
array([[1],
       [4],
       [7]])

In [280]: x[1]    # index by row (array element)
Out[280]: 
array([(3, 4, 5)], 
      dtype=[('A', '<i4'), ('B', '<i4'), ('C', '<i4')])

In [281]: x['B'][1]
Out[281]: array([4])

In [282]: x.shape    # could be reshaped to (3,)
Out[282]: (3, 1)

视图方法产生了一个二维数组，但只有一列。通常的列由dtype字段替换。这是2d但有一点扭曲。通过使用view，数据缓冲区保持不变; dtype只是提供了一种访问这些“列”的不同方式。从技术上讲，dtype字段不是维度。它们不在数组的.shape或.ndim中注册。此外，您无法使用x[0,'A']。

recarray执行相同的操作，但添加了将字段作为属性访问的选项，例如x.B与x['B']相同。

仍然必须通过索引号访问

rows。

构造结构化数组的另一种方法是将值定义为元组列表。

In [283]: x1 = np.arange(9).reshape(3,3)
In [284]: x2=np.array([tuple(i) for i in x1],dtype=dt)
In [285]: x2
Out[285]: 
array([(0, 1, 2), (3, 4, 5), (6, 7, 8)], 
      dtype=[('A', '<i4'), ('B', '<i4'), ('C', '<i4')])
In [286]: x2.shape
Out[286]: (3,)

ones，zeros，empty也构建基本的结构化数组

In [287]: np.ones((3,),dtype=dt)
Out[287]: 
array([(1, 1, 1), (1, 1, 1), (1, 1, 1)], 
      dtype=[('A', '<i4'), ('B', '<i4'), ('C', '<i4')])

我可以通过嵌套dtypes构建一个用2个字段名索引的数组：

In [294]: dt1=np.dtype([('D',int),('E',int),('F',int)])

In [295]: dt2=np.dtype([('A',dt1),('B',dt1),('C',dt1)])

In [296]: y=np.ones((),dtype=dt2)

In [297]: y
Out[297]: 
array(((1, 1, 1), (1, 1, 1), (1, 1, 1)), 
      dtype=[('A', [('D', '<i4'), ('E', '<i4'), ('F', '<i4')]), ('B', [('D', '<i4'), ('E', '<i4'), ('F', '<i4')]), ('C', [('D', '<i4'), ('E', '<i4'), ('F', '<i4')])])

In [298]: y['A']['F']
Out[298]: array(1)

但坦率地说，这是相当复杂的。我甚至没有弄清楚如何将元素设置为arange(9)（不重复字段名称）。

通过使用csv（或np.genfromtxt）阅读loadtxt文件，最常生成结构化数组。结果是每个标记列的命名字段，以及文件中每行的编号“行”。

二维结构化数组

2 个答案: