我想扩展 numpy 中的结构化数组对象,以便我可以轻松添加新元素。
例如,对于一个简单的结构化数组
>>> import numpy as np
>>> x=np.ndarray((2,),dtype={'names':['A','B'],'formats':['f8','f8']})
>>> x['A']=[1,2]
>>> x['B']=[3,4]
我想轻松地添加一个新元素 x['C']=[5,6]
,但随后出现与未定义名称相关的错误 'C'
.
只需向 np.ndarray
添加一个新方法即可:
import numpy as np
class sndarray(np.ndarray):
def column_stack(self,i,x):
formats=['f8']*len(self.dtype.names)
new=sndarray(shape=self.shape,dtype={'names':list(self.dtype.names)+[i],'formats':formats+['f8']})
for key in self.dtype.names:
new[key]=self[key]
new[i]=x
return new
然后,
>>> x=sndarray((2,),dtype={'names':['A','B'],'formats':['f8','f8']})
>>> x['A']=[1,2]
>>> x['B']=[3,4]
>>> x=x.column_stack('C',[4,4])
>>> x
sndarray([(1.0, 3.0, 4.0), (2.0, 4.0, 4.0)],
dtype=[('A', '<f8'), ('B', '<f8'), ('C', '<f8')])
有什么方法可以像字典一样添加新元素吗?例如
>>> x['C']=[4,4]
>>> x
sndarray([(1.0, 3.0, 4.0), (2.0, 4.0, 4.0)],
dtype=[('A', '<f8'), ('B', '<f8'), ('C', '<f8')])
更新:
通过使用 __setitem__
我离理想的解决方案还有一步,因为我不知道如何:
change the object referenced at self
import numpy as np
class sdarray(np.ndarray):
def __setitem__(self, i,x):
if i in self.dtype.names:
super(sdarray, self).__setitem__(i,x)
else:
formats=['f8']*len(self.dtype.names)
new=sdarray(shape=self.shape,dtype={'names':list(self.dtype.names)+[i],'formats':formats+['f8']})
for key in self.dtype.names:
new[key]=self[key]
new[i]=x
self.with_new_column=new
然后
>>> x=sndarray((2,),dtype={'names':['A','B'],'formats':['f8','f8']})
>>> x['A']=[1,2]
>>> x['B']=[3,4]
>>> x['C']=[4,4]
>>> x=x.with_new_column #extra uggly step!
>>> x
sndarray([(1.0, 3.0, 4.0), (2.0, 4.0, 4.0)],
dtype=[('A', '<f8'), ('B', '<f8'), ('C', '<f8')])
更新 2
在选择的答案中正确实现之后,我发现问题已经被 pandas
DataFrame
对象解决了:
>>> import numpy as np
>>> import pandas as pd
>>> x=np.ndarray((2,),dtype={'names':['A','B'],'formats':['f8','f8']})
>>> x=pd.DataFrame(x)
>>> x['A']=[1,2]
>>> x['B']=[3,4]
>>> x['C']=[4,4]
>>> x
A B C
0 1 3 4
1 2 4 4
>>>
最佳答案
改为使用 numpy.recarray
,在我的 numpy 1.6.1
中,您会得到一个额外的方法 field
,当您从numpy.ndarray
.
This question或 this one (if using numpy 1.3)还讨论了将字段添加到结构化数组
。从那里你会看到使用:
import numpy.lib.recfunctions as rf
rf.append_fields( ... )
可以大大简化您的生活。乍一看,我以为这个函数会附加到原始数组,但它会创建一个新实例。下面显示的类
正在使用您的__setitem__()
解决方案,效果很好。
您发现导致您采用丑陋解决方案的问题是 reported in another question .问题是,当您执行 self=...
时,您只是将 new
对象存储在变量中,但实体 sdarray
不是正在更新。也许可以从其方法内部直接销毁和重建 class
,但基于 that讨论 可以创建如下class
,其中ndarray
不被子类化,而是在内部存储和调用。添加了一些其他方法以使其正常工作,看起来您正在直接使用 ndarray
。我没有详细测试它。
用于自动调整 good solution has been presented here 的大小.您也可以将其合并到您的代码中。
import numpy as np
class sdarray(object):
def __init__(self, *args, **kwargs):
self.recarray = np.recarray( *args, **kwargs)
def __getattr__(self,attr):
if hasattr( self.recarray, attr ):
return getattr( self.recarray, attr )
else:
return getattr( self, attr )
def __len__(self):
return self.recarray.__len__()
def __add__(self,other):
return self.recarray.__add__(other)
def __sub__(self,other):
return self.recarray.__sub__(other)
def __mul__(self,other):
return self.recarray.__mul__(other)
def __rmul__(self,other):
return self.recarray.__rmul__(other)
def __getitem__(self,i):
return self.recarray.__getitem__(i)
def __str__(self):
return self.recarray.__str__()
def __repr__(self):
return self.recarray.__repr__()
def __setitem__(self, i, x):
keys = []
formats = []
if i in self.dtype.names:
self.recarray.__setitem__(i,x)
else:
for name, t in self.dtype.fields.iteritems():
keys.append(name)
formats.append(t[0])
keys.append( i )
formats.append( formats[-1] )
new = np.recarray( shape = self.shape,
dtype = {'names' : keys,
'formats': formats} )
for k in keys[:-1]:
new[k] = self[k]
new[i] = x
self.recarray = new
关于python - 以类似字典的方式将新项目添加到某些结构化数组中,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/16049437/