Question

我有一个文本文件：

0.01 1 0.1 1 10 100 a
0.02 3 0.2 2 20 200 b
0.03 2 0.3 3 30 300 c
0.04 1 0.4 4 40 400 d

我将其作为列表A读取，然后转换为numpy数组，即：

>>> A
array([['0.01', '1', '0.1', '1', '10', '100', 'a'],
       ['0.02', '3', '0.2', '2', '20', '200', 'b'],
       ['0.03', '2', '0.3', '3', '30', '300', 'c'],
       ['0.04', '1', '0.4', '4', '40', '400', 'd']], 
      dtype='|S4')

我只想提取一个由B组成的子数组A，只要它的第4个条目低于30，就应该看起来像这样：

B = array([['0.01', '1', '0.1', '1', '10', '100', 'a'],
           ['0.02', '3', '0.2', '2', '20', '200', 'b']])

在处理数组时，我通常只做B = A[A[:,4]<30]，但在这种情况下（可能是由于存在我从未使用过的字符/字符串），它不起作用，给出我这个：

>>> A[A[:,4]<30]
array(['0.01', '1', '0.1', '1', '10', '100', 'a'], 
      dtype='|S4')

我无法弄清楚原因。我没有处理我的代码，我不认为我可以将所有这些转换为结构或词典：任何建议用numpy数组做这个吗？非常感谢你提前！

Answer 1

您必须将int与int

进行比较

A[A[:,4].astype(int)<30]

或str至str

A[A[:,4]<'30']

但是，请注意后者可以在您的特定示例中使用，但通常不会工作，因为您正在比较str顺序（例如，'110' < '30'返回True，但110 < 30返回False）

numpy会推断出你的元素＆＃39;您的数据中的类型。在这种情况下，它将type = '|S4'归因于您的元素，这意味着它们是长度为4的字符串。这可能是基础C代码的结果（它增强了numpy＆＃39}性能）要求元素具有固定类型。

为了说明这种差异，请检查以下代码：

>>> np.array([['0.01', '1', '0.1', '1', '10', '100', 'a']])
array(['0.01', '1', '0.1', '1', '10', '100', 'a'], dtype='|S4')

长度为4的字符串的推断类型，即元素的最大长度（在elem 0.01中）。现在，如果您明确地定义它来保存常规类型对象，它将执行您想要的操作

>>> np.array([[0.01, 1, 0.1, 1, 10, 100, 'a']], dtype=object)
array([0.01, 1, 0.1, 1, 10, 100, 'a'], dtype=object)

并且您的代码A[A[:,4]<30]可以正常运行。

有关详细信息， this 是一个非常完整的指南

Answer 2

In [86]: txt='''0.01 1 0.1 1 10 100 a
    ...: 0.02 3 0.2 2 20 200 b
    ...: 0.03 2 0.3 3 30 300 c
    ...: 0.04 1 0.4 4 40 400 d'''
In [87]: A = np.genfromtxt(txt.splitlines(), dtype=str)
In [88]: A
Out[88]: 
array([['0.01', '1', '0.1', '1', '10', '100', 'a'],
       ['0.02', '3', '0.2', '2', '20', '200', 'b'],
       ['0.03', '2', '0.3', '3', '30', '300', 'c'],
       ['0.04', '1', '0.4', '4', '40', '400', 'd']], dtype='<U4')
In [89]: A[:,4]
Out[89]: array(['10', '20', '30', '40'], dtype='<U4')

genfromtxt，默认情况下尝试制作浮点数。但在这种情况下，字符列将为nan。相反，我指定了str dtype。

因此，数字测试需要将列转换为数字：

In [90]: A[:,4].astype(int)
Out[90]: array([10, 20, 30, 40])
In [91]: A[:,4].astype(int)<30
Out[91]: array([ True,  True, False, False])

在这种情况下，字符串比较也有效：

In [99]: A[:,4]<'30'
Out[99]: array([ True,  True, False, False])

或者，如果我们使用dtype = None，它会按列推断dtype并生成结构化数组：

In [93]: A1 = np.genfromtxt(txt.splitlines(), dtype=None,encoding=None)
In [94]: A1
Out[94]: 
array([(0.01, 1, 0.1, 1, 10, 100, 'a'), (0.02, 3, 0.2, 2, 20, 200, 'b'),
       (0.03, 2, 0.3, 3, 30, 300, 'c'), (0.04, 1, 0.4, 4, 40, 400, 'd')],
      dtype=[('f0', '<f8'), ('f1', '<i8'), ('f2', '<f8'), ('f3', '<i8'), ('f4', '<i8'), ('f5', '<i8'), ('f6', '<U1')])

现在我们可以按名称选择一个字段，并测试它：

In [95]: A1['f4']
Out[95]: array([10, 20, 30, 40])

无论哪种方式，我们都可以根据True / False掩码或相应的行索引选择行：

In [96]: A[[0,1],:]
Out[96]: 
array([['0.01', '1', '0.1', '1', '10', '100', 'a'],
       ['0.02', '3', '0.2', '2', '20', '200', 'b']], dtype='<U4')

In [98]: A1[[0,1]]     # A1 is 1d
Out[98]: 
array([(0.01, 1, 0.1, 1, 10, 100, 'a'), (0.02, 3, 0.2, 2, 20, 200, 'b')],
      dtype=[('f0', '<f8'), ('f1', '<i8'), ('f2', '<f8'), ('f3', '<i8'), ('f4', '<i8'), ('f5', '<i8'), ('f6', '<U1')])

用字符

2 个答案: