作为 ndarray 的 recarray 视图

Question

在以前的 numpy 版本中，我可以这样做：

data = np.array([(0,1,2),(3,4,5),(6,7,8)], dtype=np.dtype([('a','<f8'), ('b','<f8'),('c','<f8')]))


data_nd = data[['a','b']].view(('<f8',2))

这将使我看到原始的recarray data 作为np.float32 类型的二维ndarray。

在 numpy 版本 1.14 中，当我尝试上面的第二行时出现错误：

ValueError: Changing the dtype to a subarray type is only supported if the total itemsize is unchanged

这是因为 data[['a','b']] 的 itemsize 仍然是 24。好吧，这很好，但是有没有办法获取更新 itemsize 的这些数据列的副本，以便我可以制作我想要的视图？

例如，即使复制（或深复制）data[['a','b']] 仍会导致项目大小为 24，我不明白。

Answer 1

你是否意识到没有元组你的recarray 是3x3 复制的字段值：

In [46]: data
Out[46]: 
array([[(0., 0., 0.), (1., 1., 1.), (2., 2., 2.)],
       [(3., 3., 3.), (4., 4., 4.), (5., 5., 5.)],
       [(6., 6., 6.), (7., 7., 7.), (8., 8., 8.)]],
      dtype=[('a', '<f8'), ('b', '<f8'), ('c', '<f8')])

无论如何，整个数组的视图仍然有效，您可以对其使用传统的列切片：

In [47]: data.view(('float',(3,)))
Out[47]: 
array([[[0., 0., 0.],
        [1., 1., 1.],
        [2., 2., 2.]],

       [[3., 3., 3.],
        [4., 4., 4.],
        [5., 5., 5.]],

       [[6., 6., 6.],
        [7., 7., 7.],
        [8., 8., 8.]]])
In [48]: _.shape
Out[48]: (3, 3, 3)

tolist 是转换到/从结构化数组的旧备用。它仍然有效：

In [49]: np.array(data[['a','b']].tolist())
Out[49]: 
array([[[0., 0.],
        [1., 1.],
        [2., 2.]],

       [[3., 3.],
        [4., 4.],
        [5., 5.]],

       [[6., 6.],
        [7., 7.],
        [8., 8.]]])

---

更改 data 创建以包含元组，实际上并不会改变视图行为，但可能更接近您想要的（或者我想要的）：

In [50]: data1 = np.array([(0,1,2),(3,4,5),(6,7,8)], dtype=np.dtype([('a','<f8')
    ...: , ('b','<f8'),('c','<f8')]))
In [51]: data1
Out[51]: 
array([(0., 1., 2.), (3., 4., 5.), (6., 7., 8.)],
      dtype=[('a', '<f8'), ('b', '<f8'), ('c', '<f8')])

请注意，子字段显示现在包含偏移参数。

In [53]: data1[['a','b']]
Out[53]: 
array([(0., 1.), (3., 4.), (6., 7.)],
      dtype={'names':['a','b'], 'formats':['<f8','<f8'], 'offsets':[0,8], 'itemsize':24})

底层数据库是相同的，因此 3 列视图可以使用和不使用子字段索引：

In [54]: data1[['a','b']].view((float,(3,)))
Out[54]: 
array([[0., 1., 2.],
       [3., 4., 5.],
       [6., 7., 8.]])
In [55]: data1.view((float,(3,)))
Out[55]: 
array([[0., 1., 2.],
       [3., 4., 5.],
       [6., 7., 8.]])

我还没有阅读最新的变化。相反，我使用了过去有效的各种技巧。与结构化数组相互转换从未如此简单和万无一失。