In [206]: a
Out[206]:
array([( 0., 1., 2.), (10., 11., 12.)],
dtype=[('PositionX', '<f8'), ('PositionY', '<f8'), ('PositionZ', '<f8')])
记录是一个复合numpy的D类对象,即显示为一个元组。
In [207]: type(a[0])
Out[207]: numpy.void
In [208]: a[0].dtype
Out[208]: dtype([('PositionX', '<f8'), ('PositionY', '<f8'), ('PositionZ', '<f8')])
字段阵列的(“列”)是数组,然后执行正常阵列数学。
In [209]: a['PositionX']
Out[209]: array([ 0., 10.])
In [210]: a['PositionX']+a['PositionY']
Out[210]: array([ 1., 21.])
但是,数学尚未为复合D型定义:
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')]) ....
如果你让我转换整个数组到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.])
有是将结构化数组转换为2d的其他方式(使用view
或astype
),但此tolist()
最易于使用且最一致。更多信息请登录https://stackoverflow.com/a/43380941/901925
但是要对单个记录进行数学运算,您必须将它们转换为数组或像显示的元组一样对待它们。
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.])
但是你对这个数组感到满意吗,还是你想要回到a.dtype
?
In [234]: np.array(tuple(asum), a.dtype)
Out[234]:
array((10., 12., 14.),
dtype=[('PositionX', '<f8'), ('PositionY', '<f8'), ('PositionZ', '<f8')])
数据结构化数组必须在元组或元组列表中。
你,如果你使用压缩的办法,@Mohamed Lakhal
显示
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)
虽然view
方法,因为Divakar评论整个数组转换做同样的dtype
转换:
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.
这是一个更好的转换器,二维数组:
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.])
你尝试从这个职位的建议 - http://stackoverflow.com/questions/5957380/convert-structured-array-正常的numpy数组?基本上:'a.view(np.float64).reshape(len(a), - 1).sum(0)'。 – Divakar