numpy的結構化陣列添加記錄

我有一個結構數組是這樣的：numpy的結構化陣列添加記錄

a = np.array([(0. , 1. , 2.) , (10. , 11. , 12.)] , 
      dtype=[('PositionX', '<f8'), ('PositionY', '<f8'), ('PositionZ', '<f8')])

現在，我想補充記錄0（[0]），並記錄圖1（a [1]），要達到這樣的：（10，12，14）

當我寫的東西，如：

a[0] + a[1]

我有錯誤，告訴我，你不能添加兩個D型物體或類似的東西。

所以，我想也許我可以把一個[0]變成一個常規矢量，然後執行添加。

但numpy.array（a [0]）具有與[0]相同的dtype，並且numpy.array(a[0],dtype=np.float64)也不起作用。

那麼，誰能告訴我如何將[0]轉換爲常規矢量？請不要告訴我隱藏結構化數組到常規數組。因爲我只想取少數陣列記錄並添加。此外，我真的想知道如何將一個像[0]這樣的對象轉換爲常規矢量。

來源

2017-04-13 zeyang yue

你嘗試從這個職位的建議 - http://stackoverflow.com/questions/5957380/convert-structured-array-正常的numpy數組？基本上：'a.view（np.float64）.reshape（len（a）， - 1）.sum（0）'。 – Divakar

因爲a [i]是元組，所以不能直接添加元組。您有權訪問他們，更Python的方式來實現，這將是：

map(sum, zip(*a))

zip函數做的正是你要尋找的，在這之後，你必須根據你的需要來處理每個條目，在你的情況sum，你也可以試試這個：

result = [] 
for elem in zip(*a): 
    result.append(sum(elem))

來源

2017-04-13 13:36:14

好吧，你的意思是拿每個元組，並在python中創建一個列表，好吧，我可以做到這一點。但我們可以用numpy完成這個嗎？劑量numpy有一些方法可以將dtype轉換爲類似[0]的類型到正常的1d數組？ –

如果您試圖將元組轉換爲列表，那麼函數list就是您要查找的內容。 –

In [206]: a 
Out[206]: 
array([( 0., 1., 2.), (10., 11., 12.)], 
     dtype=[('PositionX', '<f8'), ('PositionY', '<f8'), ('PositionZ', '<f8')])

記錄是一個複合numpy的D類對象，即顯示爲一個元組。

In [207]: type(a[0]) 
Out[207]: numpy.void 
In [208]: a[0].dtype 
Out[208]: dtype([('PositionX', '<f8'), ('PositionY', '<f8'), ('PositionZ', '<f8')])

字段陣列的（「列」）是數組，然後執行正常陣列數學。

In [209]: a['PositionX'] 
Out[209]: array([ 0., 10.]) 
In [210]: a['PositionX']+a['PositionY'] 
Out[210]: array([ 1., 21.])

但是，數學尚未爲複合D型定義：

In [211]: a[0]+a[1] 
TypeError: ufunc 'add' did not contain a loop with signature matching types dtype([('PositionX', '<f8'), ('PositionY', '<f8'), ('PositionZ', '<f8')]) ....

如果你讓我轉換整個數組到2d，我可以添加行：

In [213]: a1=np.array(a.tolist()) 
In [214]: a1 
Out[214]: 
array([[ 0., 1., 2.], 
     [ 10., 11., 12.]]) 
In [215]: a1[0]+a1[1] 
Out[215]: array([ 10., 12., 14.])

有是將結構化數組轉換爲2d的其他方式（使用view或astype），但此tolist()最易於使用且最一致。更多信息請登錄https://stackoverflow.com/a/43380941/901925

但是要對單個記錄進行數學運算，您必須將它們轉換爲數組或像顯示的元組一樣對待它們。

In [218]: np.array(a[0].tolist()) 
Out[218]: array([ 0., 1., 2.]) 
In [219]: np.array(a[0].tolist())+np.array(a[1].tolist()) 
Out[219]: array([ 10., 12., 14.])

但是你對這個數組感到滿意嗎，還是你想要回到a.dtype？

In [234]: np.array(tuple(asum), a.dtype) 
Out[234]: 
array((10., 12., 14.), 
     dtype=[('PositionX', '<f8'), ('PositionY', '<f8'), ('PositionZ', '<f8')])

數據結構化數組必須在元組或元組列表中。

你，如果你使用壓縮的辦法，@Mohamed Lakhal顯示

In [236]: [i+j for i,j in zip(a[0],a[1])] 
Out[236]: [10.0, 12.0, 14.0] 
In [237]: np.array(tuple([i+j for i,j in zip(a[0],a[1])]), a.dtype)

雖然view方法，因爲Divakar評論整個數組轉換做同樣的dtype轉換：

In [227]: a.view('<f8') 
Out[227]: array([ 0., 1., 2., 10., 11., 12.]) 
In [228]: a.view('<f8').reshape(-1,3) 
Out[228]: 
array([[ 0., 1., 2.], 
     [ 10., 11., 12.]])

它不起作用：

In [229]: a[0].view('<f8') 
.... 
ValueError: new type not compatible with array.

這是一個更好的轉換器，二維數組：

In [239]: a.view('3f8') 
Out[239]: 
array([[ 0., 1., 2.], 
     [ 10., 11., 12.]]) 
In [240]: a[0].view('3f8') 
Out[240]: array([ 0., 1., 2.]) 
In [241]: a[[0,1]].view('3f8') 
Out[241]: 
array([[ 0., 1., 2.], 
     [ 10., 11., 12.]]) 
In [242]: a[[0,1]].view('3f8').sum(axis=0) 
Out[242]: array([ 10., 12., 14.])

來源

2017-04-13 15:31:12 hpaulj

numpy的結構化陣列添加記錄

回答

相關問題