指定一个python numpy的阵列

Question

• This is a similar question using dtypes in a list

以下代码段创建一个“典型的测试阵列” D类的每个对象的，此数组的目的是在我的程序，以测试的事物的分类。有没有办法或者甚至有可能改变数组中的元素类型？

import numpy as np 
import random 
from random import uniform, randrange, choice 

# ... bunch of silly code ... 

def gen_test_array(ua, low_inc, med_inc, num_of_vectors): 
    #typical_array = [ zone_id, ua, inc, veh, pop, hh, with_se, is_cbd, re, se=0, oe] 
    typical_array = np.zeros(shape = (num_of_vectors, 11)) 

    for i in range(0, num_of_vectors): 
    typical_array[i] = [i, int(ua), uniform(low_inc/2, med_inc * 2), uniform(0, 6), 
         randrange(100, 5000), randrange(100, 500), 
         choice([True, False]), choice([True, False]), 
         randrange(100, 5000), randrange(100, 5000), 
         randrange(100, 5000) ] 

    return typical_array 

Answer 1

在numpy中这样做的方法是使用structured array。

但是，在很多情况下，你使用的是异构数据，一个简单的python列表是一个更好的选择很多。 （或者，虽然这个答案写得并不广泛，但pandas.DataFrame对于这种情况绝对是理想的。）

无论如何，上面给出的例子都可以作为“普通”numpy数组完美工作。您可以在您提供的示例中将所有内容都设置为浮动状态。 （一切似乎是一个int，除了浮体两列...的布尔变量可以容易地表示为整数。）

尽管如此，为了说明使用结构化dtypes ...

import numpy as np 

ua = 5 # No idea what "ua" is in your code above... 
low_inc, med_inc = 0.5, 2.0 # Again, no idea what these are... 

num = 100 
num_fields = 11 

# Use more descriptive names than "col1"! I'm just generating the names as placeholders 
dtype = {'names':['col%i'%i for i in range(num_fields)], 
       'formats':2*[np.int] + 2*[np.float] + 2*[np.int] + 2*[np.bool] + 3*[np.int]} 
data = np.zeros(num, dtype=dtype) 

# Being rather verbose... 
data['col0'] = np.arange(num, dtype=np.int) 
data['col1'] = int(ua) * np.ones(num) 
data['col2'] = np.random.uniform(low_inc/2, med_inc * 2, num) 
data['col3'] = np.random.uniform(0, 6, num) 
data['col4'] = np.random.randint(100, 5000, num) 
data['col5'] = np.random.randint(100, 500, num) 
data['col6'] = np.random.randint(0, 2, num).astype(np.bool) 
data['col7'] = np.random.randint(0, 2, num).astype(np.bool) 
data['col8'] = np.random.randint(100, 5000, num) 
data['col9'] = np.random.randint(100, 5000, num) 
data['col10'] = np.random.randint(100, 5000, num) 

print data 

其产生具有11个字段的100个元素的阵列：

array([ (0, 5, 2.0886534380436226, 3.0111285613794276, 3476, 117, False, False, 4704, 4372, 4062), 
     (1, 5, 2.0977199579338115, 1.8687472941590277, 4635, 496, True, False, 4079, 4263, 3196), 
     ... 
     ... 
     (98, 5, 1.1682309811443277, 1.4100766819689299, 1213, 135, False, False, 1250, 2534, 1160), 
     (99, 5, 1.746554619056416, 5.210411489007637, 1387, 352, False, False, 3520, 3772, 3249)], 
     dtype=[('col0', '<i8'), ('col1', '<i8'), ('col2', '<f8'), ('col3', '<f8'), ('col4', '<i8'), ('col5', '<i8'), ('col6', '|b1'), ('col7', '|b1'), ('col8', '<i8'), ('col9', '<i8'), ('col10', '<i8')]) 

Answer 2

引用第1章的the NumPy reference:

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

第一行，以便在阵列中的每个成员必须是相同的类型。与普通的Python列表相比，这里普遍性的损失是允许对数组进行高速操作的权衡：循环可以在不测试每个成员的类型的情况下运行。