numpy数组中的自定义数据类型

Question

我正在创建一个numpy数组，用来填充我创建的特定类的对象。我想初始化数组，使它只会包含那个类的对象。例如，以下是我想要做的事情，以及如果我这样做会发生什么。

class Kernel: 
    pass 

>>> L = np.empty(4,dtype=Kernel) 

TypeError: data type not understood 

我可以这样做：

>>> L = np.empty(4,dtype=object) 

然后的L每个元素分配为Kernel对象（或任何其他类型的对象）。从编程的角度（类型检查）和数学的（对函数集的操作），我可以得到一组Kernels。

有没有什么办法让我指定一个任意类的numpy数组的数据类型？

Answer 1

如果你的Kernel类有可预测的成员数据量，那么你可以为它定义一个dtype而不是一个类。例如如果它是由9个浮标和一个int参数，你可以做

kerneldt = np.dtype([('myintname', np.int32), ('myfloats', np.float64, 9)]) 
arr = np.empty(dims, dtype=kerneldt) 

你必须做一些强制要操纵单个内核的方法，每次将它们变成类内核对象，但是这是一个将实际数据存储在NumPy数组中的方法。如果你只想存储一个引用，那么对象dtype是没有子类化ndarray的最佳选择。

Answer 2

它必须是一个numpy的标量类型：

http://docs.scipy.org/doc/numpy/reference/arrays.scalars.html#arrays-scalars-built-in

或ndarray的子​​类：

http://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.html#numpy.ndarray

Answer 3

据我所知，执行单一类型的用于在元件一个numpy.ndarray必须手动完成（除非该数组包含Numpy标量）：没有内置的检查机制（您的数组有dtype = object）。如果您确实想要强制实施单一类型，则必须将子类化并使用适当方法（__setitem__等）执行检查。

如果您想要对一组函数（内核对象）执行操作，您可以通过直接在您的内核类中定义适当的操作来完成操作。这是我为我的uncertainties.py模块所做的，该模块处理带有不确定性的数字的numpy.ndarrays。