numpy的结构化阵列添加记录

我有一个结构数组是这样的：numpy的结构化阵列添加记录

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

现在，我想补充记录0（[0]），并记录图1（a [1]），要达到这样的：（10，12，14）

当我写的东西，如：

a[0] + a[1]

我有错误，告诉我，你不能添加两个D型物体或类似的东西。

所以，我想也许我可以把一个[0]变成一个常规矢量，然后执行添加。

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

那么，谁能告诉我如何将[0]转换为常规矢量？请不要告诉我隐藏结构化数组到常规数组。因为我只想取少数阵列记录并添加。此外，我真的想知道如何将一个像[0]这样的对象转换为常规矢量。

来源

2017-04-13 zeyang yue

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

因为a [i]是元组，所以不能直接添加元组。您有权访问他们，更Python的方式来实现，这将是：

map(sum, zip(*a))

zip函数做的正是你要寻找的，在这之后，你必须根据你的需要来处理每个条目，在你的情况sum，你也可以试试这个：

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

来源

2017-04-13 13:36:14

好吧，你的意思是拿每个元组，并在python中创建一个列表，好吧，我可以做到这一点。但我们可以用numpy完成这个吗？剂量numpy有一些方法可以将dtype转换为类似[0]的类型到正常的1d数组？ –

如果您试图将元组转换为列表，那么函数list就是您要查找的内容。 –

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.])

来源

2017-04-13 15:31:12 hpaulj

numpy的结构化阵列添加记录

回答

相关问题