將具有各種數字數據類型的結構化數組轉換爲常規數組

Question

假設我有一個帶有各種數字數據類型的NumPy結構化數組。作爲一個基本的例子，

my_data = np.array([(17, 182.1), (19, 175.6)], dtype='i2,f4') 

我怎樣才能鑄造成浮動的規則與NumPy陣列呢？

從this answer，我知道我可以使用

np.array(my_data.tolist()) 

但顯然它是緩慢的，因爲你「轉換一個有效的填充NumPy的陣列到正規Python列表」。

Answer 1

你可以用大熊貓很容易做到這一點：

>>> import pandas as pd 
>>> pd.DataFrame(my_data).values 
array([[ 17.  , 182.1000061], 
     [ 19.  , 175.6000061]], dtype=float32) 

Answer 2

這裏有一種方法（假設my_data是一維結構數組）：

In [26]: my_data 
Out[26]: 
array([(17, 182.10000610351562), (19, 175.60000610351562)], 
     dtype=[('f0', '<i2'), ('f1', '<f4')]) 

In [27]: np.column_stack(my_data[name] for name in my_data.dtype.names) 
Out[27]: 
array([[ 17.  , 182.1000061], 
     [ 19.  , 175.6000061]], dtype=float32) 

Answer 3

最明顯的方式運行：

>>> my_data 
array([(17, 182.10000610351562), (19, 175.60000610351562)], 
     dtype=[('f0', '<i2'), ('f1', '<f4')]) 
>>> n = len(my_data.dtype.names) # n == 2 
>>> my_data.astype(','.join(['f4']*n)) 
array([(17.0, 182.10000610351562), (19.0, 175.60000610351562)], 
     dtype=[('f0', '<f4'), ('f1', '<f4')]) 
>>> my_data.astype(','.join(['f4']*n)).view('f4') 
array([ 17.  , 182.1000061, 19.  , 175.6000061], dtype=float32) 
>>> my_data.astype(','.join(['f4']*n)).view('f4').reshape(-1, n) 
array([[ 17.  , 182.1000061], 
     [ 19.  , 175.6000061]], dtype=float32) 

Answer 4

沃倫答案的一個變種（按字段複製數據）：

x = np.empty((my_data.shape[0],len(my_data.dtype)),dtype='f4') 
for i,n in enumerate(my_data.dtype.names): 
    x[:,i]=my_data[n] 

或者你可以按行迭代。 r是一個元組。它必須被轉換成一個列表才能填充一行x。有很多行和幾個字段，這會變慢。

for i,r in enumerate(my_data): 
    x[i,:]=list(r) 

這可能是有益的嘗試x.data=r.data，並得到一個錯誤：AttributeError: not enough data for array。數據是一個帶有4個浮點數的緩衝區。 my_data是一個包含2個元組的緩衝區，每個元組包含一個int和一個float（或[int float int float]的序列）。 my_data.itemsize==6。無論如何，my_data必須轉換爲所有浮點數，並且刪除了元組分組。

但使用astype作爲海梅顯示沒有問題：

x.data=my_data.astype('f4,f4').data 

在使用1000項陣列5場快速測試，通過現場複製領域是一樣快，使用astype。