python - Numpy 中没有用于结构化数组的二元运算符？

Question

好的，所以在学习了有关 numpy 的结构化数组的教程之后，我能够创建一些简单的示例:

from numpy import array, ones
names=['scalar', '1d-array', '2d-array']
formats=['float64', '(3,)float64', '(2,2)float64']
my_dtype = dict(names=names, formats=formats)
struct_array1 = ones(1, dtype=my_dtype)
struct_array2 = array([(42., [0., 1., 2.], [[5., 6.],[4., 3.]])], dtype=my_dtype)

(我的预期用例将包含三个以上的条目，并且将使用非常长的一维数组。)因此，在我们尝试执行一些基本数学运算之前，一切顺利。我收到以下所有错误:

struct_array1 + struct_array2
struct_array1 * struct_array2
1.0 + struct_array1
2.0 * struct_array2

显然，即使是最简单的结构化数组也不支持简单的运算符(+、-、*、/)。或者我错过了什么？我应该看看其他一些包吗(不要说 Pandas，因为这太过分了)？这似乎是一种显而易见的能力，所以我有点傻眼。但很难在网上找到任何关于此的讨论。这不会严重限制结构化数组的实用性吗？为什么有人会使用结构数组而不是打包成字典的数组？是否有技术原因导致这可能难以处理？或者，如果正确的解决方案是执行繁重的重载工作，那么如何在保持操作快速的同时完成这项工作？

Answer 1

在 numpy 结构化数组文档页面上，大多数示例涉及混合数据类型 - float 、整数和字符串。在 SO 上，大多数结构化数组问题都与从 CSV 文件加载混合数据有关。另一方面，在您的示例中，该结构的主要目的似乎是为“列”命名。

您可以对命名列进行数学计算，例如

struct_array1['scalar']+struct_array2['scalar']
struct_array1['2d-array']+struct_array2['2d-array']

您还可以“迭代”字段:

for n in my_dtype['names']:
    print a1[n]+a2[n]

是的，为此目的，将这些数组值放入字典或对象的属性中也同样有效。

但是，考虑到 CSV 的情况，有时我们想讨论 CSV 或结构化数组的特定“行”，例如结构数组[0]。这样的“行”是值的元组。

在任何情况下，numpy 中的主要数据结构都是数值的多维数组，并且大部分代码都围绕数字数据类型 - float、int 等。结构化数组是一种概括其中，使用的元素基本上只是固定的字节集。如何解释这些字节由 dtype 决定。

想一想 MATLAB 是如何演变的——首先是矩阵，然后是元胞(如 Python 列表)，然后是结构，最后是类和对象。 Python 已经有了列表、字典和对象。 numpy 添加数组。它不需要重新发明通用的 Python 结构。

我倾向于定义这样的类:

class Foo(object):
    def __init__(self):
        self.scalar = 1
        self._1d_array = np.arange(10)
        self._2d_array = np.array([[1,2],[3,4]])

并且只实现应用程序真正需要的二进制操作。