Question

所以这是交易：我的变量x是numpy.ndarray。这个结构的大小是1000.如果我x[0]，那么我得到一个numpy.void，包含4个数字。如果我x[1]，那么我会得到另一个numpy.void，也有4个数字等等。

我只想做：我想切片这个数据结构，以便我提取一个大小为1000x3的numpy矩阵。

我该怎么做？感谢

Answer 1

听起来你有一个结构化数组，就像这个简单的例子：

In [158]: x = np.ones((5,), dtype='i,i,f,f')
In [159]: x
Out[159]: 
array([(1, 1,  1.,  1.), (1, 1,  1.,  1.), (1, 1,  1.,  1.),
       (1, 1,  1.,  1.), (1, 1,  1.,  1.)], 
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<f4'), ('f3', '<f4')])
In [160]: x[0]
Out[160]: (1, 1,  1.,  1.)
In [161]: type(x[0])
Out[161]: numpy.void

x[0]是一个记录，显示为元组。您可以按名称访问字段（而不是'列'索引）：

In [162]: x['f0']
Out[162]: array([1, 1, 1, 1, 1], dtype=int32)
In [163]: x['f2'] = np.arange(5)

In [165]: x['f1'] = [10,12,8,0,3]
In [166]: x
Out[166]: 
array([(1, 10,  0.,  1.), (1, 12,  1.,  1.), (1,  8,  2.,  1.),
       (1,  0,  3.,  1.), (1,  3,  4.,  1.)], 
      dtype=[('f0', '<i4'), ('f1', '<i4'), ('f2', '<f4'), ('f3', '<f4')])
In [168]: x[['f2','f3']]    # 2 fields at once
Out[168]: 
array([( 0.,  1.), ( 1.,  1.), ( 2.,  1.), ( 3.,  1.), ( 4.,  1.)], 
      dtype=[('f2', '<f4'), ('f3', '<f4')])

当'columns'应该包含不同的东西时，这很方便，例如一个字符串，另一个整数。但是将这样的数组转换为相同数值类型的2d数组可能很尴尬。

view和astype适用于有限的情况，但tolist是我所知道的最强大的转化媒介。

In [179]: x.tolist()
Out[179]: 
[(1, 10, 0.0, 1.0),
 (1, 12, 1.0, 1.0),
 (1, 8, 2.0, 1.0),
 (1, 0, 3.0, 1.0),
 (1, 3, 4.0, 1.0)]
In [180]: np.array(x.tolist())
Out[180]: 
array([[  1.,  10.,   0.,   1.],
       [  1.,  12.,   1.,   1.],
       [  1.,   8.,   2.,   1.],
       [  1.,   0.,   3.,   1.],
       [  1.,   3.,   4.,   1.]])

请注意，结构化数组的tolist是元组列表，而2d数组的tolist是列表列表。走向这个方向，差异无关紧要。另一方面，差异很重要。

你是如何生成这个数组的？来自csv genfromtxt？作为其他一些数字包的输出？

如何切割由numpy.void数字组成的numpy.ndarray？

1 个答案: