将二维 numpy 数组转换为结构化数组

Question

我正在尝试将二维数组转换为具有命名字段的结构化数组。 我希望二维数组中的每一行都是结构化数组中的新记录。 不幸的是，我尝试过的任何事情都没有按照我期望的方式工作。

我从：

>>> myarray = numpy.array([("Hello",2.5,3),("World",3.6,2)])
>>> print myarray
[['Hello' '2.5' '3']
 ['World' '3.6' '2']]

我想转换成这样的东西：

>>> newarray = numpy.array([("Hello",2.5,3),("World",3.6,2)], dtype=[("Col1","S8"),("Col2","f8"),("Col3","i8")])
>>> print newarray
[('Hello', 2.5, 3L) ('World', 3.6000000000000001, 2L)]

我试过的：

>>> newarray = myarray.astype([("Col1","S8"),("Col2","f8"),("Col3","i8")])
>>> print newarray
[[('Hello', 0.0, 0L) ('2.5', 0.0, 0L) ('3', 0.0, 0L)]
 [('World', 0.0, 0L) ('3.6', 0.0, 0L) ('2', 0.0, 0L)]]

>>> newarray = numpy.array(myarray, dtype=[("Col1","S8"),("Col2","f8"),("Col3","i8")])
>>> print newarray
[[('Hello', 0.0, 0L) ('2.5', 0.0, 0L) ('3', 0.0, 0L)]
 [('World', 0.0, 0L) ('3.6', 0.0, 0L) ('2', 0.0, 0L)]]

这两种方法都试图将 myarray 中的每个条目转换为具有给定 dtype 的记录，因此插入额外的零。 我不知道如何将每一行转换为记录。

另一种尝试：

>>> newarray = myarray.copy()
>>> newarray.dtype = [("Col1","S8"),("Col2","f8"),("Col3","i8")]
>>> print newarray
[[('Hello', 1.7219343871178711e-317, 51L)]
 [('World', 1.7543139673493688e-317, 50L)]]

这次没有执行实际的转换。 内存中的现有数据只是重新解释为新的数据类型。

我开始使用的数组是从文本文件中读入的。 数据类型事先未知，因此我无法在创建时设置 dtype。 我需要一个高性能和优雅的解决方案，它可以很好地适用于一般情况，因为我将针对各种应用程序多次进行这种类型的转换。

谢谢！

Answer 1

您可以使用numpy.core.records.fromarrays “从（平面）数组列表创建记录数组”，如下所示：

>>> import numpy as np
>>> myarray = np.array([("Hello",2.5,3),("World",3.6,2)])
>>> print myarray
[['Hello' '2.5' '3']
 ['World' '3.6' '2']]


>>> newrecarray = np.core.records.fromarrays(myarray.transpose(), 
                                             names='col1, col2, col3',
                                             formats = 'S8, f8, i8')

>>> print newrecarray
[('Hello', 2.5, 3) ('World', 3.5999999046325684, 2)]

我试图做类似的事情。 我发现当 numpy 从现有的二维数组（使用 np.core.records.fromarrays）创建结构化数组时，它会将二维数组中的每一列（而不是每一行）视为一条记录。 所以你必须转置它。 numpy 的这种行为似乎不是很直观，但也许有一个很好的理由。

Answer 2

如果数据以元组列表开始，那么创建结构化数组很简单：

In [228]: alist = [("Hello",2.5,3),("World",3.6,2)]
In [229]: dt = [("Col1","S8"),("Col2","f8"),("Col3","i8")]
In [230]: np.array(alist, dtype=dt)
Out[230]: 
array([(b'Hello',  2.5, 3), (b'World',  3.6, 2)], 
      dtype=[('Col1', 'S8'), ('Col2', '<f8'), ('Col3', '<i8')])

这里的复杂之处在于元组列表已经变成了一个二维字符串数组：

In [231]: arr = np.array(alist)
In [232]: arr
Out[232]: 
array([['Hello', '2.5', '3'],
       ['World', '3.6', '2']], 
      dtype='<U5')

我们可以使用众所周知的zip*方法来“转置”这个数组——实际上我们想要一个双转置：

In [234]: list(zip(*arr.T))
Out[234]: [('Hello', '2.5', '3'), ('World', '3.6', '2')]

zip方便地为我们提供了一个元组列表。 现在我们可以使用所需的 dtype 重新创建数组：

In [235]: np.array(_, dtype=dt)
Out[235]: 
array([(b'Hello',  2.5, 3), (b'World',  3.6, 2)], 
      dtype=[('Col1', 'S8'), ('Col2', '<f8'), ('Col3', '<i8')])

接受的答案使用fromarrays ：

In [236]: np.rec.fromarrays(arr.T, dtype=dt)
Out[236]: 
rec.array([(b'Hello',  2.5, 3), (b'World',  3.6, 2)], 
          dtype=[('Col1', 'S8'), ('Col2', '<f8'), ('Col3', '<i8')])

在内部， fromarrays采用了一种常见的recfunctions方法：创建目标数组，并按字段名称复制值。 它有效地做到了：

In [237]: newarr = np.empty(arr.shape[0], dtype=dt)
In [238]: for n, v in zip(newarr.dtype.names, arr.T):
     ...:     newarr[n] = v
     ...:     
In [239]: newarr
Out[239]: 
array([(b'Hello',  2.5, 3), (b'World',  3.6, 2)], 
      dtype=[('Col1', 'S8'), ('Col2', '<f8'), ('Col3', '<i8')])

Answer 3

我猜

new_array = np.core.records.fromrecords([("Hello",2.5,3),("World",3.6,2)],
                                        names='Col1,Col2,Col3',
                                        formats='S8,f8,i8')

是你想要的。

Answer 4

“记录数组”和“结构化数组”之间存在很多混淆。 这是我对结构化数组的简短解决方案。

dtype = np.dtype([("Col1","S8"),("Col2","f8"),("Col3","i8")])
myarray = np.array([("Hello",2.5,3),("World",3.6,2)], dtype=dtype)
np.array(np.rec.fromarrays(myarray.transpose(), names=dtype.names).astype(dtype=dtype).tolist(), dtype=dtype)

因此，假设dtype已定义，这是单行的。

Answer 5

好的，我已经为此苦苦挣扎了一段时间，但我找到了一种不需要太多努力的方法。 如果此代码“脏”，我深表歉意....

让我们从一个二维数组开始：

mydata = numpy.array([['text1', 1, 'longertext1', 0.1111],
                     ['text2', 2, 'longertext2', 0.2222],
                     ['text3', 3, 'longertext3', 0.3333],
                     ['text4', 4, 'longertext4', 0.4444],
                     ['text5', 5, 'longertext5', 0.5555]])

所以我们最终得到一个 4 列 5 行的二维数组：

mydata.shape
Out[30]: (5L, 4L)

要使用 numpy.core.records.arrays - 我们需要提供输入参数作为数组列表，因此：

tuple(mydata)
Out[31]: 
(array(['text1', '1', 'longertext1', '0.1111'], 
      dtype='|S11'),
 array(['text2', '2', 'longertext2', '0.2222'], 
      dtype='|S11'),
 array(['text3', '3', 'longertext3', '0.3333'], 
      dtype='|S11'),
 array(['text4', '4', 'longertext4', '0.4444'], 
      dtype='|S11'),
 array(['text5', '5', 'longertext5', '0.5555'], 
      dtype='|S11'))

这会为每行数据生成一个单独的数组，但是，我们需要按列输入数组，因此我们需要的是：

tuple(mydata.transpose())
Out[32]: 
(array(['text1', 'text2', 'text3', 'text4', 'text5'], 
      dtype='|S11'),
 array(['1', '2', '3', '4', '5'], 
      dtype='|S11'),
 array(['longertext1', 'longertext2', 'longertext3', 'longertext4',
       'longertext5'], 
      dtype='|S11'),
 array(['0.1111', '0.2222', '0.3333', '0.4444', '0.5555'], 
      dtype='|S11'))

最后它需要是一个数组列表，而不是一个元组，所以我们将上面的内容包装在 list() 中，如下所示：

list(tuple(mydata.transpose()))

那是我们排序的数据输入参数......接下来是dtype：

mydtype = numpy.dtype([('My short text Column', 'S5'),
                       ('My integer Column', numpy.int16),
                       ('My long text Column', 'S11'),
                       ('My float Column', numpy.float32)])
mydtype
Out[37]: dtype([('My short text Column', '|S5'), ('My integer Column', '<i2'), ('My long text Column', '|S11'), ('My float Column', '<f4')])

好的，现在我们可以将它传递给 numpy.core.records.array()：

myRecord = numpy.core.records.array(list(tuple(mydata.transpose())), dtype=mydtype)

...和手指交叉：

myRecord
Out[36]: 
rec.array([('text1', 1, 'longertext1', 0.11110000312328339),
       ('text2', 2, 'longertext2', 0.22220000624656677),
       ('text3', 3, 'longertext3', 0.33329999446868896),
       ('text4', 4, 'longertext4', 0.44440001249313354),
       ('text5', 5, 'longertext5', 0.5554999709129333)], 
      dtype=[('My short text Column', '|S5'), ('My integer Column', '<i2'), ('My long text Column', '|S11'), ('My float Column', '<f4')])

瞧！ 您可以按列名进行索引，如下所示：

myRecord['My float Column']
Out[39]: array([ 0.1111    ,  0.22220001,  0.33329999,  0.44440001,  0.55549997], dtype=float32)

我希望这会有所帮助，因为我在 numpy.asarray 和 mydata.astype 等方面浪费了很多时间，试图在最终制定出此方法之前使其发挥作用。