Question

我有一个像这样的结构化数组：

a = np.array([(0. , 1. , 2.) , (10. , 11. , 12. )] ,
             dtype=[('PositionX', '<f8'), ('PositionY', '<f8'), ('PositionZ', '<f8')])

现在，我想要添加记录0（a [0]）和记录1（a [1]），以获得类似：（10.，12.，14。）

当我写下这样的东西时：

a[0] + a[1]

我收到错误，告诉我你不能添加两个dtype对象或类似的东西。

所以，我想也许我可以将[0]变为常规向量，然后执行添加。

但是numpy.array（a [0]）与[0]具有相同的dtype，而numpy.array(a[0],dtype=np.float64)也不起作用。

那么，谁能告诉我如何将[0]转换为常规向量？请不要告诉我将结构化数组转换为常规数组。因为我只想拿几个我的阵列记录并添加。此外，我真的想知道如何将像[0]这样的对象转换为常规向量。

Answer 1

你因为a [i]是元组而得到错误，你不能直接添加元组。你必须访问它们，更实际的方法是：

map(sum, zip(*a))

zip功能正是您正在寻找的，之后您必须根据需要处理每个条目，在您的情况sum中，您也可以尝试：

result = []
for elem in zip(*a):
    result.append(sum(elem))

Answer 2

In [206]: a
Out[206]: 
array([(  0.,   1.,   2.), ( 10.,  11.,  12.)], 
      dtype=[('PositionX', '<f8'), ('PositionY', '<f8'), ('PositionZ', '<f8')])

记录是复合numpy dtype对象，显示为元组。

In [207]: type(a[0])
Out[207]: numpy.void
In [208]: a[0].dtype
Out[208]: dtype([('PositionX', '<f8'), ('PositionY', '<f8'), ('PositionZ', '<f8')])

数组的字段（＆＃39;列＆＃39;）是数组，并执行正常的数组数学。

In [209]: a['PositionX']
Out[209]: array([  0.,  10.])
In [210]: a['PositionX']+a['PositionY']
Out[210]: array([  1.,  21.])

但是还没有为化合物dtype定义数学：

In [211]: a[0]+a[1]
TypeError: ufunc 'add' did not contain a loop with signature matching types dtype([('PositionX', '<f8'), ('PositionY', '<f8'), ('PositionZ', '<f8')]) ....

如果你允许我将整个数组转换为2d，我可以添加行：

In [213]: a1=np.array(a.tolist())
In [214]: a1
Out[214]: 
array([[  0.,   1.,   2.],
       [ 10.,  11.,  12.]])
In [215]: a1[0]+a1[1]
Out[215]: array([ 10.,  12.,  14.])

还有其他方法可以将结构化数组转换为2d（使用view或astype）但这个tolist()最容易使用且最一致。有关详情，请参阅https://stackoverflow.com/a/43380941/901925

但要使用单个记录进行数学处理，您必须将它们转换为数组或将其视为显示的元组。

In [218]: np.array(a[0].tolist())
Out[218]: array([ 0.,  1.,  2.])
In [219]: np.array(a[0].tolist())+np.array(a[1].tolist())
Out[219]: array([ 10.,  12.,  14.])

但是你对这个数组感到满意，还是想要回到a.dtype？

In [234]: np.array(tuple(asum), a.dtype)
Out[234]: 
array(( 10.,  12.,  14.), 
      dtype=[('PositionX', '<f8'), ('PositionY', '<f8'), ('PositionZ', '<f8')])

结构化数组的数据必须是元组或元组列表。

如果您使用dtype显示的压缩方法，则必须执行相同的@Mohamed Lakhal转换

In [236]: [i+j for i,j in zip(a[0],a[1])]
Out[236]: [10.0, 12.0, 14.0]
In [237]: np.array(tuple([i+j for i,j in zip(a[0],a[1])]), a.dtype)

虽然Divakar评论的view方法会转换整个数组：

In [227]: a.view('<f8')
Out[227]: array([  0.,   1.,   2.,  10.,  11.,  12.])
In [228]: a.view('<f8').reshape(-1,3)
Out[228]: 
array([[  0.,   1.,   2.],
       [ 10.,  11.,  12.]])

它不适用于记录：

In [229]: a[0].view('<f8')
 ....
ValueError: new type not compatible with array.

这是更好的二维数组转换器：

In [239]: a.view('3f8')
Out[239]: 
array([[  0.,   1.,   2.],
       [ 10.,  11.,  12.]])
In [240]: a[0].view('3f8')
Out[240]: array([ 0.,  1.,  2.])
In [241]: a[[0,1]].view('3f8')
Out[241]: 
array([[  0.,   1.,   2.],
       [ 10.,  11.,  12.]])
In [242]: a[[0,1]].view('3f8').sum(axis=0)
Out[242]: array([ 10.,  12.,  14.])

numpy结构化数组添加记录

2 个答案: