数据类型为2D NumpyArray

Question

我想创建一个Python Numpy数组（2,7）指定每列的类型。一些列将是数组。所以我期望的数组应该是这样的：

[[ (0, [0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0])] 
[(0, [0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0])]] 

我试图

>>> A = np.zeros(shape=(2), dtype= 'int, (3)float, (8)float, (8)float, (8)float, (10)float, (10)float') 

，但我得到一维数组：

>>> print A 
[ (0, [0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0]) 
(0, [0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0, 0.0])] 

如果我定义它是这样的：

>>> A = np.zeros(shape=(2,7), dtype= 'int, (3)float, (8)float, (8)float, (8)float, (10)float, (10)float') 

我得到的数组比我想要的大得多;它是（2,7x7）。

虽然这样做，我得到一个错误：

>>> A = np.zeros(shape=([[2],[7]]), dtype= 'int, (3)float, (8)float, (8)float, (8)float, (10)float, (10)float') 
Traceback (most recent call last): 
    File "<stdin>", line 1, in <module> 
TypeError: an integer is required 

我不明白怎么去我的输出。任何帮助，可能与解释高度赞赏！谢谢！

Answer 1

A = np.zeros(shape=(2), dtype= '...')表示制作一个形状为(2,)的阵列和一个化合物dtype。这正是你得到的。

(2,)是1d形状。它命名了字段而不是列。指定一个(2,7)形状只会生成一个具有相同7个字段的二维数组。

用dtype这样你得到了structured array。您可以按名称访问字段，例如A['f0']。

阅读关于dtype和结构化数组的文档，如果你想用这种方法得到任何地方。

其他答案会指导您到pandas。这对你的目的可能更好 - 或者不是。但是，pandas使用numpy数组，并且在这种混合数据的情况下，它将使用结构化数组或dtype=object。

用更简单的dtype：

In [742]: A = np.zeros(shape=(2), dtype= 'int, (3)float, (4)float') 
In [743]: A 
Out[743]: 
array([(0, [0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0]), 
     (0, [0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0])], 
     dtype=[('f0', '<i4'), ('f1', '<f8', (3,)), ('f2', '<f8', (4,))]) 

第一个字段是整数的一维数组：

In [744]: A['f0'] 
Out[744]: array([0, 0]) 

第三可被视为浮子的2x4的

In [745]: A['f2'] 
Out[745]: 
array([[ 0., 0., 0., 0.], 
     [ 0., 0., 0., 0.]]) 

您可以从此阵列中选择一条记录或元素：

In [746]: A[0] 
Out[746]: (0, [0.0, 0.0, 0.0], [0.0, 0.0, 0.0, 0.0]) 

您可以对各个字段执行正常的数值数组操作。但跨领域运作是有限的。

例如，你不能做np.sum(A)，跨领域的总和;但你可以作用于一个领域：

In [749]: np.sum(A['f1'],axis=1) 
Out[749]: array([ 0., 0.]) 

结构阵列是最经常通过读取一个CSV文件，其中字段对应的列在文件中创建的，有些列文本。

我举例说明的A可以表示一个文件，其中第一列是记录/行计数器，接下来的3个数字代表一个值，以及以下4个逻辑上不同的值。另一种方法是制作一个浮点数的二维数组。

---

关于化合物型阵列的设置元素：

In [916]: A = np.zeros(shape=(2), dtype= 'int, (3)float, (4)float') 

我可以设置一个字段的所有值与匹配大小的数组或列表：

In [918]: A['f0']=[1,2] 

我可以设置所有多元素字段的值在同一个地方;在这里，我只是填补他们所有：

In [920]: A['f1']=1 
In [921]: A 
Out[921]: 
array([(1, [1.0, 1.0, 1.0], [0.0, 0.0, 0.0, 0.0]), 
     (2, [1.0, 1.0, 1.0], [0.0, 0.0, 0.0, 0.0])], 
     dtype=[('f0', '<i4'), ('f1', '<f8', (3,)), ('f2', '<f8', (4,))]) 

我可以索引和切片以通常的方式中的一个字段，处理它，在这种情况下，一个二维数组：

In [922]: A['f2'][1,2:]=34 
In [923]: A 
Out[923]: 
array([(1, [1.0, 1.0, 1.0], [0.0, 0.0, 0.0, 0.0]), 
     (2, [1.0, 1.0, 1.0], [0.0, 0.0, 34.0, 34.0])], 
     dtype=[('f0', '<i4'), ('f1', '<f8', (3,)), ('f2', '<f8', (4,))]) 

我不能分配所有一个记录（行）的与值列表中的值，甚至是嵌套一个：

In [924]: A[1]=[3,[1,2,3],[1,2,3,4]] 
... 
TypeError: 'list' does not support the buffer interface 

，但我可以用一个元组

设置

列表和元组之间的区别在处理结构化数组时很重要。在显示A时注意，每条记录都与元组()一起显示。多行A可以用元组列表来设置或初始化。元组的使用在包含数组的维度和dtype内的结构之间绘制线条。

Answer 2

这可能最适合作为评论，我认为它包含足够的信息作为答案。

numpy数组不是你要找的，你最好看看其他工具，如Pandas Dataframe。 你需要了解一个numpy数组是什么;从numpy array的文档，你有这样的语句：

NumPy provides an N-dimensional array type, the ndarray, which describes a collection of “items” of the same type.

而这在某种程度上违背你想达到的目标。从同一个文档，你有这等说法：

An item extracted from an array, e.g., by indexing, is represented by a Python object whose type is one of the array scalar types built in Numpy. The array scalars allow easy manipulation of also more complicated arrangements of data.

这意味着，您所提供的数据类型必须对应于那些标量类型之一。您提供了许多标量类型的字符串。