numpy：如何一次填充结构化数组中的多个字段

非常简单的问题：我有一个具有多个列的结构化数组，我只想用另一个预先存在的数组填充其中的一部分（但不止一个）。numpy：如何一次填充结构化数组中的多个字段

这就是我想：

strc = np.zeros(4, dtype=[('x', int), ('y', int), ('z', int)]) 
x = np.array([2, 3]) 
strc[['x', 'y']][0] = x

这给了我这个未来的警告：

主要：1：FutureWarning：numpy的检测到您（可能）写通过numpy.diagonal或通过在记录阵列中选择多个字段返回的数组。此代码会在将来的版本numpy的突破可能性 - 详见numpy.diagonal或arrays.indexing参考文档。快速修复是制作一个明确的副本（例如，做 arr.diagonal（）。copy（）或arr [['f0'，'f1']]。copy（））。

但即使这是一个警告，结构化数组不会被填充。到目前为止，我遍历两个数组超过和它的作品，但我想这是非常低效的。有没有更好的办法？

来源

2014-02-16 Federico

http://stackoverflow.com/questions/3058602/python-numpy-structured-array-recarray-assigning - 值 - 到 - 切片指出，试图索引几个领域会产生一个副本，而不是一个视图。如果您正在使用比场更行的工作，有什么不对迭代领域。 – hpaulj

，如果所有字段具有相同的D型，您可以创建一个视图：

import numpy as np 
strc = np.zeros(4, dtype=[('x', int), ('y', int), ('z', int)]) 
strc_view = strc.view(int).reshape(len(strc), -1) 
x = np.array([2, 3]) 
strc_view[0, [0, 1]] = x

如果你想，可以创建列视图中的任何结构阵列的通用解决方案，你可以尝试：

import numpy as np 
strc = np.zeros(3, dtype=[('x', int), ('y', float), ('z', int), ('t', "i8")]) 

def fields_view(arr, fields): 
    dtype2 = np.dtype({name:arr.dtype.fields[name] for name in fields}) 
    return np.ndarray(arr.shape, dtype2, arr, 0, arr.strides) 

v1 = fields_view(strc, ["x", "z"]) 
v1[0] = 10, 100 

v2 = fields_view(strc, ["y", "z"]) 
v2[1:] = [(3.14, 7)] 

v3 = fields_view(strc, ["x", "t"]) 

v3[1:] = [(1000, 2**16)] 

print strc

这里是输出：

[(10, 0.0, 100, 0L) (1000, 3.14, 7, 65536L) (1000, 3.14, 7, 65536L)]

来源

2014-02-17 00:24:00 HYRY

谢谢HYRY，我认为您的解决方案是太多了我的小unefficiency uneasyness但你从哪里学这个黑暗魔法也可以为别人 – Federico

是有用的......？ –

numpy：如何一次填充结构化数组中的多个字段

回答

相关问题