我有一个简单的元素列表,我试图用它来制作structured array。
这种天真的方法失败了:
y = np.array([1,2,3], dtype=[('y', float)])
TypeError: expected an object with a buffer interface
将每个元素放在一个元组中起作用:
# Manuel way
y = np.array([(1,), (2,), (3,)], dtype=[('y', float)])
# Comprehension
y = np.array([tuple((x,)) for x in [1,2,3]], dtype=[('y', float)])
如果我先从列表中创建一个数组,它也可以工作:
y = np.array(np.array([1,2,3]), dtype=[('y', float)])
我有点疑惑。后者如何运作但numpy
在提供简单列表时无法解决问题?
推荐的方式是什么?创建中间版array
可能不会对性能产生很大影响,但这不是次优的吗?
我也很惊讶那些不会工作的人:
# All lists
y = np.array([[1,], [2,], [3,]], dtype=[('y', float)])
TypeError: expected an object with a buffer interface
# All tuples
y = np.array(((1,), (2,), (3,)), dtype=[('y', float)])
ValueError: size of tuple must match number of fields.
我是结构化数组的新手,我不记得numpy
对输入类型的挑剔。必须有一些我不知道的东西。
答案 0 :(得分:3)
np.array
如何处理各种输入的详细信息隐藏在已编译的代码中。由于关于创建对象dtype数组的许多问题显示,它可能是复杂和令人困惑的。基本模型是从嵌套列表创建多维数字数组。
np.array([[1,2,3],[4,5,6]])
在实现结构化数组时,开发人员采用tuple
作为区分记录与另一个嵌套维度的方法。这在结构化阵列的显示中很明显。
在定义结构化数组时也是一个要求,尽管list of tuples
要求在文档中有些隐含。
In [382]: dt=np.dtype([('y',int)])
In [383]: np.array(alist,dt)
TypeError: a bytes-like object is required, not 'int'
这是我的版本' 1.12.0'错误信息。它似乎与你的不同。
正如您所注意到的,列表推导可以将嵌套列表转换为元组列表。
In [384]: np.array([tuple(i) for i in alist],dt)
Out[384]:
array([(1,), (2,), (3,)],
dtype=[('y', '<i4')])
回答我最常使用的方法的问题。要么是迭代地设置预分配数组的字段(通常记录的字段多于字段,所以循环不贵)。
看起来在结构化数组调用中包装数组相当于astype
调用:
In [385]: np.array(np.array(alist),dt)
Out[385]:
array([[(1,)],
[(2,)],
[(3,)]],
dtype=[('y', '<i4')])
In [386]: np.array(alist).astype(dt)
Out[386]:
array([[(1,)],
[(2,)],
[(3,)]],
dtype=[('y', '<i4')])
但请注意尺寸数量的变化。元组列表创建了一个(3,)数组。 astype
将(3,1)
数字数组转换为(3,1)结构化数组。
元组告诉np.array
的部分内容 - 在数组维度和记录之间划分&#39; here&#39;。它解释了
[(3,), (1,), (2,)]
[record, record, record]
[[1],[2],[3]]
的自动翻译可能产生
[[record],[record],[record]]
当dtype是数字(非结构化)时,它忽略了list和tuple之间的区别
In [388]: np.array([tuple(i) for i in alist],int)
Out[388]:
array([[1],
[2],
[3]])
但是当dtype是复合时,开发人员选择使用元组层作为重要信息。
考虑更复杂的结构化dtype
In [389]: dt1=np.dtype([('y',int,(2,))])
In [390]: np.ones((3,), dt1)
Out[390]:
array([([1, 1],), ([1, 1],), ([1, 1],)],
dtype=[('y', '<i4', (2,))])
In [391]: np.array([([1,2],),([3,4],)])
Out[391]:
array([[[1, 2]],
[[3, 4]]])
In [392]: np.array([([1,2],),([3,4],)], dtype=dt1)
Out[392]:
array([([1, 2],), ([3, 4],)],
dtype=[('y', '<i4', (2,))])
显示(和输入)列表中的元组内列表。这只是一个开始
In [393]: dt1=np.dtype([('x',dt,(2,))])
In [394]: dt1
Out[394]: dtype([('x', [('y', '<i4')], (2,))])
In [395]: np.ones((2,),dt1)
Out[395]:
array([([(1,), (1,)],), ([(1,), (1,)],)],
dtype=[('x', [('y', '<i4')], (2,))])
答案 1 :(得分:0)
np.array()函数接受列表列表作为输入。因此,例如,如果要创建2 * 2矩阵,这就是您需要做的
50