python - 将层次结构添加到 numpy 结构化数组

Question

我想采用一个包含多个命名字段的现有数组，并创建一个新数组(或就地更改它)，其中一个字段的分层数据类型等于原始数据类型。也就是说，

newarray = np.array(oldarray, dtype=[('old',oldarray.dtype)])

使得newarray['old']在形状和结构上与oldarray相同

这是一个例子:

In [1]: import numpy as np

In [2]: dt = np.dtype([('name',np.str_,2),('val',np.float_)])

In [3]: constants = np.array([('pi',3.14),('e',2.72)],dtype=dt)

In [4]: constants
Out[4]: 
array([('pi', 3.14), ('e', 2.72)], 
      dtype=[('name', '|S2'), ('val', '<f8')])

In [5]: numbers = constants.astype([('constants',dt)])

但这给了我全零:

In [6]: numbers
Out[6]: 
array([(('', 0.0),), (('', 0.0),)], 
      dtype=[('constants', [('name', '|S2'), ('val', '<f8')])])

如果我尝试复制，也会遇到同样的问题:

In [7]: numbers = np.array(constants,dtype=[('constants',dt)])

In [8]: numbers
Out[8]: 
array([(('', 0.0),), (('', 0.0),)], 
      dtype=[('constants', [('name', '|S2'), ('val', '<f8')])])

另外:有人知道为什么会发生这种情况吗？

Answer 1

您可以调用view具有新数据类型的原始数组(http://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.view.html):

>>> import numpy as np
>>> dt = np.dtype([('name',np.str_,2),('val',np.float_)])
>>> constants = np.array([('pi',3.14),('e',2.72)],dtype=dt)
>>> 
>>> numbers = constants.view([('constants',dt)])
>>> 
>>> numbers['constants']
array([('pi', 3.14), ('e', 2.72)], 
      dtype=[('name', '|S2'), ('val', '<f8')])

请注意，生成的数组 numbers 是原始数组的 View ，因此其中一个数组的更改也会影响另一个数组。