python - 在 NumPy 1.14 中将结构化数组的切片转换为常规 NumPy 数组

Question

注1:this question均未得到任何答案以我为例。

注意 2:该解决方案必须在 NumPy 1.14 中运行。

假设我有以下结构化数组:

arr = np.array([(105.0, 34.0, 145.0, 217.0)], dtype=[('a', 'f4'), ('b', 'f4'), ('c ', 'f4'), ('d', 'f4')]).

现在我像这样切入结构化数据类型:

arr2 = arr[['a', 'b']]

现在我正在尝试将该切片转换为常规数组:

out = arr2[0].view((np.float32, 2))

结果

ValueError:仅当项大小未更改时才支持更改 0d 数组的 dtype

我想要得到的只是一个常规数组，如下所示:

[105.0, 34.0]

请注意，为了最小化，此示例已被简化。在我的实际用例中，我显然不是在处理包含一个元素的数组。

我知道这个解决方案有效:

out = np.asarray(list(arr2[0]))

但我认为必须有一个比将 NumPy 数组中已有的数据复制到列表中然后再复制回数组更有效的解决方案。我认为有一种方法可以保留在 NumPy 中，并且可能根本不复制任何数据，我只是不知道如何。

Answer 1

一维数组确实使用view进行转换:

In [270]: arr = np.array([(105.0, 34.0, 145.0, 217.0)], dtype=[('a', 'f4'), ('b','f4'), ('c', 'f4'), ('d', 'f4')])
In [271]: arr
Out[271]: 
array([(105., 34., 145., 217.)],
      dtype=[('a', '<f4'), ('b', '<f4'), ('c', '<f4'), ('d', '<f4')])
In [272]: arr.view('<f4')
Out[272]: array([105.,  34., 145., 217.], dtype=float32)

当我们尝试转换单个元素时，我们会收到此错误:

In [273]: arr[0].view('<f4')
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-273-70fbab8f61ba> in <module>()
----> 1 arr[0].view('<f4')

ValueError: Changing the dtype of a 0d array is only supported if the itemsize is unchanged

早期的 View 通常需要调整尺寸。我怀疑，随着最近对结构化数组处理的更改(在一次索引多个字段时最明显)，此错误是有意或无意的结果。

在整个数组的情况下，它将 1d、4 字段数组更改为 1d、4 元素数组，从 (1,) 更改为 (4,)。但是改变元素，从()到(4,)。

过去，我推荐 tolist 作为解决 view(和 astype)问题的最可靠方法:

In [274]: arr[0].tolist()
Out[274]: (105.0, 34.0, 145.0, 217.0)
In [279]: list(arr[0].tolist())
Out[279]: [105.0, 34.0, 145.0, 217.0]
In [280]: np.array(arr[0].tolist())
Out[280]: array([105.,  34., 145., 217.])

item 也是将元素从 numpy 结构中拉出的好方法:

In [281]: arr[0].item()
Out[281]: (105.0, 34.0, 145.0, 217.0)

tolost 和 item 的结果是一个元组。

您担心速度。但你只是转换一个元素。在 1000 个项目的数组上使用 tolist 时担心速度是一回事，而在处理 1 个元素时则完全是另一回事。

In [283]: timeit arr[0]
131 ns ± 1.31 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)
In [284]: timeit arr[0].tolist()
1.25 µs ± 11.9 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
In [285]: timeit arr[0].item()
1.27 µs ± 2.39 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
In [286]: timeit arr.tolist()
493 ns ± 17.2 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)
In [287]: timeit arr.view('f4')
1.74 µs ± 18.7 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

<小时/>

您可以以不将维度减少到 0 的方式对元素进行索引(并不是说它对速度有很大帮助):

In [288]: arr[[0]].view('f4')
Out[288]: array([105.,  34., 145., 217.], dtype=float32)
In [289]: timeit arr[[0]].view('f4')
6.54 µs ± 15.9 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
In [290]: timeit arr[0:1].view('f4')
2.63 µs ± 105 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)
In [298]: timeit arr[0][None].view('f4')
4.28 µs ± 160 ns per loop (mean ± std. dev. of 7 runs, 100000 loops each)

<小时/>

view 仍然需要改变形状；考虑一个大数组:

In [299]: arrs = np.repeat(arr, 10000)
In [301]: arrs.view('f4')
Out[301]: array([105.,  34., 145., ...,  34., 145., 217.], dtype=float32)
In [303]: arrs.shape
Out[303]: (10000,)
In [304]: arrs.view('f4').shape
Out[304]: (40000,)

View 仍然是一维的，因为我们可能想要一个 (10000,4) 形状的二维数组。

更好的 View 更改:

In [306]: arrs.view(('f4',4))
Out[306]: 
array([[105.,  34., 145., 217.],
       [105.,  34., 145., 217.],
       [105.,  34., 145., 217.],
       ...,
       [105.,  34., 145., 217.],
       [105.,  34., 145., 217.],
       [105.,  34., 145., 217.]], dtype=float32)
In [307]: _.shape
Out[307]: (10000, 4)

这适用于 1 元素数组，无论是 1d 还是 0d:

In [308]: arr.view(('f4',4))
Out[308]: array([[105.,  34., 145., 217.]], dtype=float32)
In [309]: _.shape
Out[309]: (1, 4)
In [310]: arr[0].view(('f4',4))
Out[310]: array([105.,  34., 145., 217.], dtype=float32)
In [311]: _.shape
Out[311]: (4,)

您的链接中的答案之一建议了这一点:https://stackoverflow.com/a/10171321/901925

与您的评论相反，它对我有用:

In [312]: arr[0].view((np.float32, len(arr.dtype.names)))
Out[312]: array([105.,  34., 145., 217.], dtype=float32)
In [313]: np.__version__
Out[313]: '1.14.0'

<小时/>

编辑后:

In [84]: arr = np.array([(105.0, 34.0, 145.0, 217.0)], dtype=[('a', 'f4'), ('b','f4'), ('c', 'f4'), ('d', 'f4')])
In [85]: arr2 = arr[['a', 'b']]
In [86]: arr2
Out[86]: 
array([(105., 34.)],
      dtype={'names':['a','b'], 'formats':['<f4','<f4'], 'offsets':[0,4], 'itemsize':16})

In [87]: arr2.view(('f4',2))
...
ValueError: Changing the dtype to a subarray type is only supported if the total itemsize is unchanged

请注意，arr2 dtype 包含一个offsets 值。在最近的 numpy 版本中，多字段选择已更改。现在它是一个真实的 View ，保留了原始数据 - 所有数据，而不仅仅是选定的字段。项目大小不变:

In [93]: arr.itemsize
Out[93]: 16
In [94]: arr2.itemsize
Out[94]: 16

arr.view(('f4',4) 和 arr2.view(('f4',4)) 产生相同的结果。

因此您无法查看(更改数据类型)部分字段集。您必须首先获取整个数组的view，然后选择行/列，或者使用tolist。

我使用的是1.14.0。 1.14.1 的发行说明说:

The change in 1.14.0 that multi-field indexing of structured arrays returns a view instead of a copy has been reverted but remains on track for NumPy 1.15. Affected users should read the 1.14.1 Numpy User Guide section "basics/structured arrays/accessing multiple fields" for advice on how to manage this transition.

https://docs.scipy.org/doc/numpy-1.14.2/user/basics.rec.html#accessing-multiple-fields

这仍在开发中。该文档提到了 repack_fields 函数，但该函数尚不存在。