如何設置嵌套numpy ndarray的dtype？

Question

我在下面的數據結構，從中我想創建一個ndarray工作包含所有數據：

 instrument   filter    response 
----------------------------------------------------- 
     spire    250um   array of response 
     ...    ...    ... 

where the array of response is: 
     linenumber  wavelangth  throughput 
----------------------------------------------------- 
     0  1.894740e+06   0.000e+00 
     1  2.000000e+06   1.000e-02 
     2  2.026320e+06   3.799e-02 
     ...    ....    .... 

所以，我希望我可以把數據發送到一個ndarray，通過使用下面的代碼：

import numpy as np 

data = [('spire', '250um', [(0, 1.89e6, 0.0), (1,2e6, 1e-2), (2,2.02e6,3.8e-2), ...]), 
     ('spire', '350', [ (...), (...), ...]), 
     ..., 
     ] 
table = np.array(data, dtype=[('instrument', '|S32'), 
           ('filter', '|S64'), 
           ('response', [('linenumber', 'i'), 
              ('wavelength', 'f'), 
              ('throughput', 'f')]) 
           ]) 

此代碼引發異常，因爲有list(tuple, list(tuple))模式。改變後的data到：

data = [('spire', '250um', np.array([(0, 1.89e6, 0.0), (1,2e6, 1e-2), (2,2.02e6,3.8e-2), ...], 
            dtype=[('linenumber','i'), ('wavelength','f'), ('throughput','f')])), 
     ('spire', '350', np.array([ (...), (...), ...],dtype=[...])), 
     ..., 
     ]] 

然後代碼可以運行通過，但是，結果因爲對於response字段，只有響應的陣列的第一個條目被取是錯誤的：

>>print table[0] 

('spire', '250um', (0,1.89e6,0.0)) 

而不是整個陣列。

我的問題是，如何正確設置dtype關鍵字來使這項工作？在這兩種情況下：1.包含元組列表的元組的嵌套列表; 2.包含非同類ndarray的元組的嵌套列表。

預先感謝您！

Answer 1

如果響應數組是固定長度的（也許Numpy必須能夠預先計算結構化數組中每條記錄的大小？），我可以得到這個工作。如the Numpy manual page for structured arrays所述，您可以指定結構化數組中字段的形狀。

import numpy as np 

data = [('spire', '250um', [(0, 1.89e6, 0.0), (1, 2e6, 1e-2)]), 
     ('spire', '350', [(0, 1.89e6, 0.0), (2, 2.02e6, 3.8e-2)]) 
     ] 
table = np.array(data, dtype=[('instrument', '|S32'), 
           ('filter', '|S64'), 
           ('response', [('linenumber', 'i'), 
              ('wavelength', 'f'), 
              ('throughput', 'f')], (2,)) 
           ]) 

print table[0] 
# gives ('spire', '250um', [(0, 1890000.0, 0.0), (1, 2000000.0, 0.009999999776482582)])