Question

我有一个多维的对象数组，如：

 a = np.array([obj1,obj2,obj3])

对象是具有多个属性的类的实例。让我们说其中一个是高度，其中一个是长度。为了获得相应的长度和高度的多维数组，我做了：

 lengths = np.array([obj1.length,obj2.length,obj3.length])

 heights = np.array([obj1.height,obj2.height,obj3.height])

这开始使我的代码变得非常混乱。有更有效的方法吗？例如，我有类似

的东西

 heights = a.height

记住，但很明显它不起作用，因为a是我的对象数组，而不是我的对象。但有什么类似我可以做的有效和pythonic？我试过像

这样的东西

 for x in np.nditer(a,flags=['refs_ok']):
    print x.length

看看会发生什么，但它不起作用，因为nditer以某种方式返回一个元组。

有什么想法吗？

Answer 1

你可以vectorize这个功能：

>>> import numpy
>>> 
>>> class Obj(object):
...     def __init__(self, x, y):
...         self.x = x
...         self.y = y
... 
>>> arr = numpy.array([Obj(1, 2), Obj(3, 4), Obj(5, 6)])
>>> 
>>> vectorized_x = numpy.vectorize(lambda obj: obj.x)
>>> 
>>> vectorized_x(arr)
array([1, 3, 5])

虽然我不确定你是否应该首先存储一个NumPy Python对象数组。 Vectorize并不比Python循环更有效。存储（n + 1）-D数组会更有效，因为我们可以简单地通过切片来提取内容，这是一种原生操作，例如

>>> a = numpy.array([[(1, 2), (3, 4), (5, 6)], [(7, 8), (9, 10), (11, 12)], [(-13, -14), (-15, -16), (-17, -18)]])
>>> a[:,:,0]
array([[  1,   3,   5],
       [  7,   9,  11],
       [-13, -15, -17]])
>>> a[:,:,1]
array([[  2,   4,   6],
       [  8,  10,  12],
       [-14, -16, -18]])

Numpy对象属性数组

1 个答案: