在异构阵列numpy的数组操作 [英] Array operations on heterogeneous numpy arrays

问题描述

我需要一个有效的异构阵列，其中第一个元素是一个int，其余均为浮动。创建后，但是，基本的数组操作是爆炸。

  A = np.zeros（1 DTYPE = 0-14，F4，F4'）
B = np.array（[3,3,3]）
A + B
类型错误：无效的类型提升
 

解决方案

通过结构化数组这个样子，这在田野呼吁迭代操作一般不工作。

即使加入 A 本身不工作：

 在[476]：A = np.zeros（1 DTYPE = 0-14，F4，F4'）在[477]：A + A
...
类型错误：ufunc加不包含循环使用签名匹配的类型DTYPE（[（'F0'，'＆LT; 0-14'），（'F1'，'＆LT; F4'），（'F2'，'＆LT; F4'）]）......
 

在换句话说，有增加的一种方式的 INT 到 INT ，一个浮动到 INT ，而不是加入 A 元素到另一个的方式元素。

A 的一个元素是元组或 numpy.void （取决于你如何访问它）

 在[478]：A.item（）
出[478]：（0，0.0，0.0）在[479]：类型（A.item（））
出[479]元组在[480]：类型（A [0]）
出[480]：numpy.void
 

要跨越一个结构化的阵列通常必须遍历字段名的字段。

 在[493]：B = np.arange（3）在[494]：因为我在历数（A.dtype.names）名称：
   A [名] = A [名] + B [I]
   .....：在[495]：一
出[495]：
阵列（[（0，1.0，2.0）]，
      DTYPE = [（'F0'，'＆下; 6-14'），（F1，＆所述; F4'），（'F2'，'＆所述; F4'）]）
 

如果所有字段有相同的类型，例如 DTYPE ='0-14，0-14，6-14'，则有可能以查看结构化阵列作为均相DTYPE，并在其上​​执行常规的数学。但随着你的花车和整数的组合，这是不可能的。

I need an efficient heterogeneous array in which the first element is an int and the rest are floats. After creating it, however, basic array operations are exploding.

A = np.zeros(1, dtype='i4, f4, f4')
B = np.array([3,3,3])
A + B
TypeError: invalid type promotion

解决方案

With a structured array like this, operations that call for iteration over the fields generally don't work.

Even adding A to itself does not work:

In [476]: A = np.zeros(1, dtype='i4, f4, f4')

In [477]: A+A
...
TypeError: ufunc 'add' did not contain a loop with signature matching types dtype([('f0', '<i4'), ('f1', '<f4'), ('f2', '<f4')]) ....

In other words, there's a way of adding an int to an int, a float to an int, but not a way of adding a A element to another element.

An element of A is a tuple or a numpy.void (depending on how you access it)

In [478]: A.item()
Out[478]: (0, 0.0, 0.0)

In [479]: type(A.item())
Out[479]: tuple

In [480]: type(A[0])
Out[480]: numpy.void

To work across the fields of a structured array you usually have to iterate over the field names.

In [493]: B=np.arange(3)

In [494]: for i,name in enumerate(A.dtype.names):
   A[name] = A[name]+B[i]
   .....: 

In [495]: A
Out[495]: 
array([(0, 1.0, 2.0)], 
      dtype=[('f0', '<i4'), ('f1', '<f4'), ('f2', '<f4')])

If all the fields have the same type, e.g. dtype='i4, i4, i4', then it is possible to view the structured array as a homogeneous dtype, and perform regular math on it. But with your mix of floats and ints, that isn't possible.

这篇关于在异构阵列numpy的数组操作的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！