Question

我有一个numpy结构化数组，需要控制各个元素的数据类型。

这是我的示例：

y = array([(True, 144.0), 
           (True, 86.0), 
           (True, 448.0), 
           (True, 76.0), 
           (True, 511.0)], dtype=object)

如果我这样做：

print(y.dtype.fields)

我回来了：

None

但是，我想要的是“布尔”和“浮动”。如果我访问各个元素，例如y[0][0]和y[0][1]，我肯定会发现它们确实是布尔型和浮点型。
我对此非常困惑。有什么想法吗？

我需要这个，因为我使用了“ sciki-survival梯度增强”包：https://scikit-survival.readthedocs.io/en/latest/generated/sksurv.ensemble.GradientBoostingSurvivalAnalysis.html#sksurv.ensemble.GradientBoostingSurvivalAnalysis.fit 输入需要为“ bool”和“ float”类型的结构化数组。

Answer 1

我有一个numpy结构化数组

不，你不会：

np.array(..., dtype=object)

您有一个numpy对象数组，其中包含元组。

您可以使用y.astype([('b', bool), ('f', float)])

将其转换为结构化数组

Answer 2

初始化结构化数组时，请确保指定数据类型。

例如：

y = np.array([(True, 144.0), (True, 86.0), (True, 448.0)],
          dtype=[('col_1', 'bool'), ('col_2', 'f4')])

这应该有效，并且：

y.dtype.fields

根据需要显示：

mappingproxy({'col_1': (dtype('bool'), 0), 'col_2': (dtype('float32'), 1)})

在此处查看文档：{{3}}

Answer 3

要创建结构化数组，必须预先指定dtype 。如果仅将numpy.array与成对的字面量结合使用，则将得到一个对象为dtype的数组。因此，您需要执行以下操作：

>>> mytype = np.dtype([('b', bool), ('f',float)])
>>> mytype
dtype([('b', '?'), ('f', '<f8')])

然后将mytype传递给数组构造函数：

>>> structured = np.array(
...    [(True, 144.0), (True, 86.0),
...     (True, 448.0), (True, 76.0),
...     (True, 511.0), (True, 393.0), 
...     (False, 466.0), (False, 470.0)], dtype=mytype)
>>>
>>> structured
array([( True,  144.), ( True,   86.), ( True,  448.), ( True,   76.),
       ( True,  511.), ( True,  393.), (False,  466.), (False,  470.)],
      dtype=[('b', '?'), ('f', '<f8')])

设置numpy结构数组的类型

3 个答案: