将记录数组存储在对象数组中

Question

我想将记录数组列表-dtype是（uint32，float32）-转换为np.object的numpy数组：

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

其中instances是数据类型为np.dtype([('f0', '<u4'), ('f1', '<f4')])的数组的列表。 但是，上面的语句导致一个数组，该数组的元素也为np.object类型：

X[0]
array([(67111L, 1.0), (104242L, 1.0)], dtype=object)

有人知道为什么吗？

下面的语句应该与上面的语句等效，但是可以达到预期的效果：

X = np.empty((len(instances),), dtype = np.object)
X[:] = instances
X[0]
array([(67111L, 1.0), (104242L, 1.0), dtype=[('f0', '<u4'), ('f1', '<f4')])

谢谢，问候，彼得

Answer 1

Stéfanvan der Walt（一个麻木的开发人员） 解释说 ：

ndarray构造函数会尽力猜测您正在馈送什么样的数据，但是有时它需要一些帮助。

我更喜欢显式地构造数组，因此毫无疑问在幕后发生了什么：

当你说像

instance1=np.array([(67111L,1.0),(104242L,1.0)],dtype=np.dtype([('f0', '<u4'), ('f1', '<f4')]))
instance2=np.array([(67112L,2.0),(104243L,2.0)],dtype=np.dtype([('f0', '<u4'), ('f1', '<f4')]))
instances=[instance1,instance2]
Y=np.array(instances, dtype = np.object)

np.array被迫猜测您想要的数组的尺寸是多少。 instances是两个对象的列表，每个对象的长度为2。因此，相当合理地， np.array猜测Y应该具有形状（2,2）：

print(Y.shape)
# (2, 2)

在大多数情况下，我认为这是所期望的。 但是，在您的情况下，由于这不是您想要的，因此必须显式构造数组：

X=np.empty((len(instances),), dtype = np.object)
print(X.shape)
# (2,)

现在毫无疑问，X的形状为： (2, ) ，所以当您输入数据时

X[:] = instances

numpy非常聪明，可以将instances视为两个对象的序列。