将2D numpy数组转换为结构化数组

Question

我正在尝试将二维数组转换为具有命名字段的结构化数组。我希望2D数组中的每一行成为结构化数组中的新记录。不幸的是，我没有尝试过以我期望的方式工作。

我从开始：

>>> myarray = numpy.array([("Hello",2.5,3),("World",3.6,2)])
>>> print myarray
[['Hello' '2.5' '3']
 ['World' '3.6' '2']]

我想转换为以下形式：

>>> newarray = numpy.array([("Hello",2.5,3),("World",3.6,2)], dtype=[("Col1","S8"),("Col2","f8"),("Col3","i8")])
>>> print newarray
[('Hello', 2.5, 3L) ('World', 3.6000000000000001, 2L)]

我尝试过的

>>> newarray = myarray.astype([("Col1","S8"),("Col2","f8"),("Col3","i8")])
>>> print newarray
[[('Hello', 0.0, 0L) ('2.5', 0.0, 0L) ('3', 0.0, 0L)]
 [('World', 0.0, 0L) ('3.6', 0.0, 0L) ('2', 0.0, 0L)]]

>>> newarray = numpy.array(myarray, dtype=[("Col1","S8"),("Col2","f8"),("Col3","i8")])
>>> print newarray
[[('Hello', 0.0, 0L) ('2.5', 0.0, 0L) ('3', 0.0, 0L)]
 [('World', 0.0, 0L) ('3.6', 0.0, 0L) ('2', 0.0, 0L)]]

这两种方法都尝试将myarray中的每个条目转换为具有给定dtype的记录，因此将插入多余的零。我不知道如何获取它以将每一行转换为一条记录。

另一尝试：

>>> newarray = myarray.copy()
>>> newarray.dtype = [("Col1","S8"),("Col2","f8"),("Col3","i8")]
>>> print newarray
[[('Hello', 1.7219343871178711e-317, 51L)]
 [('World', 1.7543139673493688e-317, 50L)]]

这次不执行任何实际转换。内存中的现有数据只是重新解释为新的数据类型。

我正在从一个文本文件中读取开始的数组。数据类型是未知的，因此在创建时无法设置dtype。我需要一个高性能，优雅的解决方案，该解决方案对于一般情况都适用，因为我将针对各种各样的应用程序进行很多次此类转换。

谢谢！

Answer 1

您可以使用numpy.core.records.fromarrays
“从（平面）数组列表创建记录数组” ，如下所示：

>>> import numpy as np
>>> myarray = np.array([("Hello",2.5,3),("World",3.6,2)])
>>> print myarray
[['Hello' '2.5' '3']
 ['World' '3.6' '2']]


>>> newrecarray = np.core.records.fromarrays(myarray.transpose(), 
                                             names='col1, col2, col3',
                                             formats = 'S8, f8, i8')

>>> print newrecarray
[('Hello', 2.5, 3) ('World', 3.5999999046325684, 2)]

我正在尝试做类似的事情。我发现，当numpy从现有2D数组（使用np.core.records.fromarrays）创建结构化数组时，它将二维数组中的每一列（而不是每一行）都视为一条记录。因此，您必须移调它。numpy的这种行为似乎不是很直观，但是也许有充分的理由。