[英]View of recarray as ndarray
在以前的numpy版本中,我可以執行以下操作:
data = np.array([(0,1,2),(3,4,5),(6,7,8)], dtype=np.dtype([('a','<f8'), ('b','<f8'),('c','<f8')]))
data_nd = data[['a','b']].view(('<f8',2))
這將使我看到原始Recarray data
為np.float32類型的二維np.float32
。
在numpy版本1.14中,當我嘗試上述第二行時,出現錯誤:
ValueError: Changing the dtype to a subarray type is only supported if the total itemsize is unchanged
這是因為data[['a','b']]
大小仍為24。好吧,這很好,但是有某種方法可以獲取那些更新項目大小的數據列的副本,以便我可以我想要的視圖?
例如,即使對data[['a','b']]
進行復制(或深復制),其項大小仍為24,我不理解。
您是否意識到沒有元組,recarray是具有重復字段值的3x3:
In [46]: data
Out[46]:
array([[(0., 0., 0.), (1., 1., 1.), (2., 2., 2.)],
[(3., 3., 3.), (4., 4., 4.), (5., 5., 5.)],
[(6., 6., 6.), (7., 7., 7.), (8., 8., 8.)]],
dtype=[('a', '<f8'), ('b', '<f8'), ('c', '<f8')])
無論如何,整個數組上的視圖仍然有效,您可以在上面使用常規的列切片:
In [47]: data.view(('float',(3,)))
Out[47]:
array([[[0., 0., 0.],
[1., 1., 1.],
[2., 2., 2.]],
[[3., 3., 3.],
[4., 4., 4.],
[5., 5., 5.]],
[[6., 6., 6.],
[7., 7., 7.],
[8., 8., 8.]]])
In [48]: _.shape
Out[48]: (3, 3, 3)
tolist
是用於與結構化陣列之間進行轉換的舊備用數據庫。 它仍然有效:
In [49]: np.array(data[['a','b']].tolist())
Out[49]:
array([[[0., 0.],
[1., 1.],
[2., 2.]],
[[3., 3.],
[4., 4.],
[5., 5.]],
[[6., 6.],
[7., 7.],
[8., 8.]]])
將data
創建更改為包括元組,實際上並不會改變視圖的行為,但可能更接近您想要的(或無論如何我想要的):
In [50]: data1 = np.array([(0,1,2),(3,4,5),(6,7,8)], dtype=np.dtype([('a','<f8')
...: , ('b','<f8'),('c','<f8')]))
In [51]: data1
Out[51]:
array([(0., 1., 2.), (3., 4., 5.), (6., 7., 8.)],
dtype=[('a', '<f8'), ('b', '<f8'), ('c', '<f8')])
注意,子字段顯示中現在包含一個offsets參數。
In [53]: data1[['a','b']]
Out[53]:
array([(0., 1.), (3., 4.), (6., 7.)],
dtype={'names':['a','b'], 'formats':['<f8','<f8'], 'offsets':[0,8], 'itemsize':24})
基礎數據庫是相同的,因此在有或沒有子字段索引的情況下,三列視圖均可工作:
In [54]: data1[['a','b']].view((float,(3,)))
Out[54]:
array([[0., 1., 2.],
[3., 4., 5.],
[6., 7., 8.]])
In [55]: data1.view((float,(3,)))
Out[55]:
array([[0., 1., 2.],
[3., 4., 5.],
[6., 7., 8.]])
我還沒有閱讀最新的更改。 取而代之的是,我使用了過去有效的各種技巧。 從結構化數組進行轉換從未如此簡單和簡單。
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.