Question

此代码（snippet_1）用于构造一个structured array

>>> dt = np.dtype([('name', np.str_, 16), ('age', np.int)])
>>> x = np.array([('Sarah', 16), ('John', 17)], dtype=dt)
>>> x
array([('Sarah', 16), ('John', 17)],
      dtype=[('name', '<U16'), ('age', '<i8')])

此代码是将dtype设置为给定的简单数组

arr = np.array([10, 20, 30, 40, 50]) 
arr = arr.astype('float64')

此代码（snippet_3）试图将dtype设置为结构化数组，

x = np.array([('Sarah', 16), ('John', 17)])
x = x.astype(dt)

当然，以这种方式设置dtype会导致ValueError

ValueError                                Traceback (most recent call last)
<ipython-input-18-201b69204e82> in <module>()
      1 x = np.array([('Sarah', 16), ('John', 17)])
----> 2 x = x.astype(dt)

ValueError: invalid literal for int() with base 10: 'Sarah'

是否可以将dtype设置为现有的结构化数组？像snippet_3这样的东西？

我为什么要这样做？因为在snippet_1的设置中可以方便地访问数据。

x['name']

如果我可以在现有数组中添加“列名”，那就太酷了。

Answer 1

您可以使用numpy.lib.recfunctions.unstructured_to_structured

x = np.array([('Sarah', 16), ('John', 17)])
x
# array([['Sarah', '16'],
#        ['John', '17']], dtype='<U5')
dt = np.dtype([('name', np.str_, 16), ('age', np.int)])

import numpy.lib.recfunctions as nlr

xs = nlr.unstructured_to_structured(x, dtype=dt)
xs
# array([('Sarah', 16), ('John', 17)],
#       dtype=[('name', '<U16'), ('age', '<i8')])

Answer 2

提供以下输入：

dt = np.dtype([('name', np.str_, 16), ('age', np.int)])
x = np.array([('Sarah', 16), ('John', 17)], dtype=dt)

# array([('Sarah', 16), ('John', 17)],
#      dtype=[('name', '<U16'), ('age', '<i8')])

让我们添加一列到结构化数组，如下所示：

new_dt = np.dtype(x.dtype.descr + [('weight', float)])
xx = np.zeros(x.shape, dtype=new_dt)

xx['name'] = x['name']
xx['age'] = x['age']

xx['weight'] = [86.7, 78.9]

并给出：

# array([('Sarah', 16, 86.7), ('John', 17, 78.9)],
#      dtype=[('name', '<U16'), ('age', '<i8'), ('weight', '<f8')])

要更改结构化数组中的数据类型，请查看@PaulPanzer

的答案

是否可以将dtype设置为现有的结构化数组，或为现有数组添加“列名”？

2 个答案: