6

我是使用 numpy 数组的新手，但在创建结构化数组时遇到了麻烦。我想创建类似于 Matlab 结构的东西，其中字段可以是不同形状的数组。

a=numpy.array([1, 2, 3, 4, 5, 6,]);
b=numpy.array([7,8,9]);
c=numpy.array([10,11,12,13,14,15,16,17,18,19,20]);

##Doesn't do what I want
data=numpy.array([a, b, c],dtype=[('a','f8'),('b','f8'),('c','f8')]);

我想data['a']返回矩阵a，data['b']返回矩阵b等。在Matlab结构中读取时，数据以这种格式保存，所以我知道它必须是可能的。

4

2 回答 2

14

恐怕不经常扭动 NumPy 的手臂是不可能的。

看，NumPy 背后的想法是提供同构数组，即所有具有相同类型的元素数组。这种类型可以是简单的 ( int, float...) 或更复杂的 ( [('',int),('',float),('',"|S10")])，但无论如何，所有元素都具有相同的类型。这允许一些非常有效的内存布局。

因此，结构化数组本质上要求字段（各个子块）无论位置如何都具有相同的大小。检查以下内容：

>>> np.zeros(3,dtype=[('a',(int,3)),('b',(float,5))])

它定义了一个包含三个元素的数组；每个元素由两个子块组成，a并且b；a是三块一排ints，b五块一排floats。但是一旦你在 中定义了块的初始大小dtype，你就会被困住（好吧，你总是可以切换，但那是另一回事了）。

有一个解决方法：使用dtype=object. 这样，您将构建一个异构项目数组，例如一个不同大小的列表数组。但是这样会失去很多 NumPy 的能力。还是举个例子：

>>> x=np.zeros(3, dtype=[('a',object), ('b',object)])
>>> x['a'][0] = [1,2,3,4]
>>> x['b'][-1] = "ABCDEF"
>>> print x
[([1, 2, 3, 4], 0) (0, 0) (0, 'ABCD')]

所以，我们只是构造了一个...对象的数组。我在某处放了一个列表，在其他地方放了一个字符串，它可以工作。您可以按照相同的示例构建您想要的数组：

blob = np.array([(a,b,c)],dtype=[('a',object),('b',object),('c',object)])

但是，您真的应该三思而后行，这是否真的意味着您的目的，另一种结构可能会更有效。

旁注：请注意[(a,b,c)]上面表达式的部分：注意()？您基本上是在告诉 NumPy 构造一个包含 1 个元素的数组，该数组由三个子元素（a,b,c每个子元素一个）组成，每个子元素都是一个对象。如果你不放()，NumPy 会抱怨很多。

最后一条评论：如果你访问你的字段blob['a']，你会得到一个大小的数组，(1,)并且dtype=object: 只是blob['a'].item()用来取回你的原始(6,) int数组。

于 2012-09-11T20:59:52.047 回答
7

在 python 中，字典大致类似于 Matlab 中的结构。您可以尝试以下方法，看看它是否适合您：

>>> data = {'a':a, 'b':b, 'c':c}
>>> data['a'] is a
True
于 2012-09-11T21:04:42.133 回答