使用结构化数组命名numpy数组中的轴

时间:2019-01-28 17:29:22

标签: python arrays numpy structured-array

我肯定犯了一些小错误,但是我正在尝试创建一个结构化数组,并为单轴命名,例如,我有一个形状为data的数组(2, 3, 4),并且我想命名第一个轴,以便在两种情况下都可以访问data['a']形状的切片,从而可以访问data['b'](3, 4)。我尝试过:

shape = (2, 3, 4)
data = np.arange(np.product(shape)).reshape(shape)

dtype = [(nn, float) for nn in ['a', 'b']]
data = np.array(data, dtype=dtype)

但这似乎会将所有数据复制到'a'和'b'中,例如

print(data.shape)
print(data['a'].shape)
> (2, 3, 4)
> (2, 3, 4)

我尝试指定形状(在dtype规范中)应为(3, 4),但是重复了12次以上的数据...并且尝试将轴顺序更改为(3, 4, 2),但这并没有什么也没做。任何帮助表示赞赏!

1 个答案:

答案 0 :(得分:2)

In [263]: shape = (2, 3, 4)
     ...: data = np.arange(np.product(shape)).reshape(shape)
     ...: 
     ...: dtype = [(nn, float) for nn in ['a', 'b']]

虽然可以转换data,但更可靠的方法是制作所需的目标数组并将值复制到其中:

In [264]: res = np.zeros(shape[1:], dtype)
In [265]: res['a'] = data[0]
In [266]: res['b'] = data[1]
In [267]: res
Out[267]: 
array([[( 0., 12.), ( 1., 13.), ( 2., 14.), ( 3., 15.)],
       [( 4., 16.), ( 5., 17.), ( 6., 18.), ( 7., 19.)],
       [( 8., 20.), ( 9., 21.), (10., 22.), (11., 23.)]],
      dtype=[('a', '<f8'), ('b', '<f8')])
In [268]: res['a'].shape
Out[268]: (3, 4)

在此结构化数组中,一条记录包含2个浮点数和一个数据缓冲区,其中包含:

In [272]: res.view(float).ravel()
Out[272]: 
array([ 0., 12.,  1., 13.,  2., 14.,  3., 15.,  4., 16.,  5., 17.,  6.,
       18.,  7., 19.,  8., 20.,  9., 21., 10., 22., 11., 23.])

这与data[0,1,2,3,...]不同。因此,没有任何一种可以将一个转换为另一个的重塑,视图或astype。

因此,从结构化数组到(3,4,2)数组有一个简单的映射,而不是您的源。

In [273]: res.view(float).reshape(3,4,2)
Out[273]: 
array([[[ 0., 12.],
        [ 1., 13.],
        [ 2., 14.],
        [ 3., 15.]],

       [[ 4., 16.],
        [ 5., 17.],
        [ 6., 18.],
        [ 7., 19.]],

       [[ 8., 20.],
        [ 9., 21.],
        [10., 22.],
        [11., 23.]]])