Question

我有一个结构化的numpy数组。

numpy结构与google.protobuf.Timestamp类型匹配。

我需要从所述结构的每个元素中提取seconds int64和nanos int32，并将其分配给 real { {1}}结构。

下面我列出了一个脚本，它可以方便地为任何人进行测试（Timestamp和numpy需要安装Python模块。

如何摆脱/规避最后列出的protobuf，并将值从TypeError变量中的numpy结构中删除？

Timestamp

免责声明：关于python和numpy数组的核心新手。

Answer 1

所以

In [112]: x_values
Out[112]: 
array([(  0,  0), ( 50,  5), (100, 10)], 
      dtype=[('seconds', '<i8'), ('nanos', '<i4')])

除非您需要特殊行为，否则我通常不建议使用nditer。通常只需要对数组进行简单迭代（行数为2d）。但是为了更好地理解正在发生的事情，让我们比较一下迭代方法：

In [114]: for elem in np.nditer(x_values):
     ...:     print(elem, elem.dtype)
     ...:     print(type(elem))   
(0, 0) [('seconds', '<i8'), ('nanos', '<i4')]
<class 'numpy.ndarray'>
(50, 5) [('seconds', '<i8'), ('nanos', '<i4')]
<class 'numpy.ndarray'>
(100, 10) [('seconds', '<i8'), ('nanos', '<i4')]
<class 'numpy.ndarray'>

In [115]: for elem in x_values:
     ...:     print(elem, elem.dtype)
     ...:     print(type(elem))
(0, 0) [('seconds', '<i8'), ('nanos', '<i4')]
<class 'numpy.void'>
(50, 5) [('seconds', '<i8'), ('nanos', '<i4')]
<class 'numpy.void'>
(100, 10) [('seconds', '<i8'), ('nanos', '<i4')]
<class 'numpy.void'>

相同，但type不同，np.ndarray v。np.void。修改nditer变量更容易。

做同样的事情但是看一个字段：

In [119]: for elem in np.nditer(x_values):
     ...:     print(elem['seconds'], type(elem['seconds']))   
0 <class 'numpy.ndarray'>
50 <class 'numpy.ndarray'>
100 <class 'numpy.ndarray'>

In [120]: for elem in x_values:
     ...:     print(elem['seconds'], type(elem['seconds']))
0 <class 'numpy.int64'>
50 <class 'numpy.int64'>
100 <class 'numpy.int64'>

我没有protobuf代码，但我怀疑

ts2.seconds = elem['seconds']

将在第二次迭代中更好地工作，第二次迭代产生np.int64值。或者添加elem['seconds'].item()。

从numpy结构化数组

1 个答案: