numpy 数组中的自定义数据类型答案

【问题标题】：Custom data types in numpy arraysnumpy 数组中的自定义数据类型
【发布时间】：2010-03-01 05:57:18
【问题描述】：

我正在创建一个 numpy 数组，该数组将填充我制作的特定类的对象。我想初始化数组，使其只包含该类的对象。例如，这就是我想做的事情，如果我这样做会发生什么。

class Kernel:
    pass

>>> L = np.empty(4,dtype=Kernel)

TypeError: data type not understood

我可以这样做：

>>> L = np.empty(4,dtype=object)

然后将L 的每个元素分配为Kernel 对象（或任何其他类型的对象）。但是，从编程的角度（类型检查）和数学的角度（对函数集的操作）来看，如果我能够拥有一个 Kernels 数组，那就太好了。

我有什么方法可以使用任意类指定 numpy 数组的数据类型？

【问题讨论】：

【解决方案1】：

如果您的内核类具有可预测的成员数据量，那么您可以为它定义一个数据类型而不是一个类。例如如果它由 9 个浮点数和一个 int 参数化，你可以这样做

kerneldt = np.dtype([('myintname', np.int32), ('myfloats', np.float64, 9)])
arr = np.empty(dims, dtype=kerneldt)

每次您想要操作单个内核的方法时，您都必须进行一些强制转换以将它们转换为 Kernel 类的对象，但这是将实际数据存储在 NumPy 数组中的一种方式。如果您只想存储一个引用，那么 object dtype 是最好的，无需子类化 ndarray。

【讨论】：

【解决方案2】：

它必须是 Numpy 标量类型：

或ndarray的子类：

【讨论】：

【解决方案3】：

据我所知，必须手动为 numpy.ndarray 中的元素强制执行单一类型（除非数组包含 Numpy 标量）：没有内置检查机制（您的数组有 dtype=object） .如果您真的想强制执行单一类型，则必须将 ndarray 子类化并在适当的方法中实现检查（__setitem__ 等）。

如果您想在一组函数（内核对象）上实现操作，您可以通过直接在内核类中定义正确的操作来实现。这就是我为我的 uncertainties.py 模块所做的，它处理 numpy.ndarrays 的不确定数字。

【讨论】：