如何返回多个列的视图numpy的结构数组 [英] How to return a view of several columns in numpy structured array

问题描述

我可以看到几个栏（字段）用列表索引在一个 numpy的结构阵列一次字段名称，例如：

 导入numpy的是NP一个= np.array（[（1.5，2.5，（1.0,2.0）），（3，4，（4，5）），（1，3，（2，6）。） ]
        DTYPE = [（'X'，浮），（'Y'，浮），（'值'，浮动，（2,2）））打印[['X'，'Y']
＃[（1.5，2.5）（3.0，4.0）（1.0，3.0）]打印[['X'，'Y']。DTYPE
＃[（'X'，'＆LT; F4'）（'Y'，'＆LT; F4'）]）
 

但问题是，它似乎是一个副本，而不是一个观点：

  B = A [['X'，'Y']
B [0] =（9，9）。印片b
＃[（9.0，9.0）（3.0，4.0）（1.0，3.0）]打印[['X'，'Y']
＃[（1.5，2.5）（3.0，4.0）（1.0，3.0）]
 

如果我只能选择一列，这是一个观点：

  C =×〔'Y']
C [0] = 99。打印ç
＃[99 4. 3.]打印['Y']
＃[99 4. 3.]
 

有什么办法，我可以立刻得到多个列视图的行为？

我有两个解决方法，一个是刚刚遍历列，另一个是创建分层 DTYPE ，这样一列实际上返回一个结构数组我想这两个（或更多）的字段。不幸的是，拉链也返回一个副本，所以我不能做的：

  X = A ['X']; Y = A ['Y']
Z =拉链（X，Y）
Z [0] =（9，9）。
 

解决方案

您可以创建一个DTYPE对象只包含所需的字段，并使用 numpy.ndarray（）创建原始数组的一个观点：

 导入numpy的是NP
STRC = np.zeros（3 DTYPE = [（'X'，INT），（'Y'，浮），（'Z'，INT），（T，I8）]）高清fields_view（ARR，字段）：
    dtype2 = np.dtype（{名称：arr.dtype.fields [名]的名称字段}）
    返回np.ndarray（arr.shape，dtype2，编曲，0，arr.strides）V1 = fields_view（STRC，[×，Z]）
V1 [0] = 10，100V2 = fields_view（STRC，[Y，Z]）
v2的[1：] = [（3.14，7）]V3 = fields_view（STRC，[X，T]）V3 [1：] = [（1000，2 ** 16）]打印STRC
 

下面是输出：

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

I can see several columns (fields) at once in a numpy structured array by indexing with a list of the field names, for example

import numpy as np

a = np.array([(1.5, 2.5, (1.0,2.0)), (3.,4.,(4.,5.)), (1.,3.,(2.,6.))],
        dtype=[('x',float), ('y',float), ('value',float,(2,2))])

print a[['x','y']]
#[(1.5, 2.5) (3.0, 4.0) (1.0, 3.0)]

print a[['x','y']].dtype
#[('x', '<f4') ('y', '<f4')])

But the problem is that it seems to be a copy rather than a view:

b = a[['x','y']]
b[0] = (9.,9.)

print b
#[(9.0, 9.0) (3.0, 4.0) (1.0, 3.0)]

print a[['x','y']]
#[(1.5, 2.5) (3.0, 4.0) (1.0, 3.0)]

If I only select one column, it's a view:

c = x['y']
c[0] = 99.

print c
#[ 99.  4.   3. ]

print a['y']
#[ 99.  4.   3. ]

Is there any way I can get the view behavior for more than one column at once?

I have two workarounds, one is to just loop through the columns, the other is to create a hierarchical dtype, so that the one column actually returns a structured array with the two (or more) fields that I want. Unfortunately, zip also returns a copy, so I can't do:

x = a['x']; y = a['y']
z = zip(x,y)
z[0] = (9.,9.)

解决方案

You can create a dtype object contains only the fields that you want, and use numpy.ndarray() to create a view of original array:

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

here is the output:

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

这篇关于如何返回多个列的视图numpy的结构数组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！