0

我有两个NumPy行数相同的数组，但我想添加特定的列。

我尝试了以下方法：

src_array[:, 3] += column_array_to_add[:, 0]

但是，这甚至不能解释。这样做的正确方法是什么NumPy？我希望能够用整数和字符串来做到这一点。

编辑：一个简短的、独立的测试脚本

import numpy
src = numpy.array([["a", "b"], ["c", "d"], ["e", "f"]])
src2 = numpy.array([["x"], ["y"], ["z"]])

src[:, 1] += src2[:, 0]
print src
exit()

此脚本返回以下错误：

src[:, 1] += src2[:, 0]
TypeError: unsupported operand type(s) for +=: 'numpy.ndarray' and 'numpy.ndarray'
4

2 回答 2

5

这样的事情有用吗？

import numpy as np

x = np.array([[1,2],[3,4]])

y = np.array([[5,6],[7,8]])

结果

>>> x
array([[1, 2],
       [3, 4]])
>>> y
array([[5, 6],
       [7, 8]])
>>> x[:,1] + y[:,1]
array([ 8, 12])
>>> x[:, 1] += y[:, 1] # using +=
>>> x[:, 1]
array([ 8, 12])

更新：

我认为这应该适合你：

src = np.array([["a", "b"], ["c", "d"], ["e", "f"]], dtype='|S8')
src2 = np.array([["x"], ["y"], ["z"]], dtype='|S8')

def add_columns(x, y):
    return [a + b for a,b in zip(x, y)]

def update_array(source_array, col_num, add_col):
    temp_col = add_columns(source_array[:, col_num], add_col)
    source_array[:, col_num] = temp_col  
    return source_array

结果：

>>> update_array(src, 1, src2[:,0])
array([['a', 'bx'],
       ['c', 'dy'],
       ['e', 'fz']], 
      dtype='|S8')
于 2012-12-06T01:43:37.260 回答
0

当您需要调试此类事情时，将其分解为更简单的步骤很有用。您是否弄错了切片，添加了两种不兼容的数组类型，添加了两种类型但试图将结果粘贴到不兼容的类型中（使用+=when+是 OK 但=不是），或者添加不兼容的数据值？其中任何一个都可以提高TypeError，那么我们怎么知道你在做什么呢？

好吧，一次做，看看：

切片：

>>> src[:, 1]
array(['b', 'd', 'f'], dtype='|S1')
>>> src[:, 1] = ['x', 'y', 'z']
>>> src
>>> array([['a', 'x'], ['c', 'y'], ['e', 'z']], dtype='|S1')

没关系。添加呢？

>>> src + src2
TypeError: unsupported operand type(s) for +: 'numpy.ndarray' and 'numpy.ndarray'

因此，我们已经发现了与您的更复杂情况相同的错误，没有切片，也没有+=，这使得调试更加容易。让我们更简单：

>>> s1, s2 = np.array('a'), np.array('b')
>>> s1 + s2
TypeError: unsupported operand type(s) for +: 'numpy.ndarray' and 'numpy.ndarray'

所以即使添加两个 0D 数组也会失败！没有比这更简单的了。

也许是数据类型。如果我们使用整数会发生什么？

>>> n1, n2 = np.array(1), np.array(2)
>>> n1 + n2
3

你可以一直回到你原来的例子，使用整数而不是字符串，它仍然可以正常工作：

>>> m1 = np.array([[1,2], [3,4], [5,6]])
>>> m2 = np.array([[7], [8], [9]])
>>> m1[:, 1] += m2[:, 0]
>>> array([[ 1,  9],
           [ 3, 12],
           [ 5, 15]])

这应该很明显问题出在数据类型上。那么，数据类型是什么？只需打印出数组，看看numpy它是什么：

>>> src = numpy.array([["a", "b"], ["c", "d"], ["e", "f"]])
>>> src
array([['a', 'b'], ['c', 'd'], ['e', 'f']], dtype='|S1')

这'|S1'不是您在数据类型的用户指南部分中看到的友好数据类型之一，它是一个结构定义，如结构化数组部分中所述。这意味着一个 1 个字符的固定长度字符串。

这使问题变得显而易见：您不能添加两个 1 字符的固定长度字符串，因为结果不是 1 字符的固定长度字符串。

如果您真的想按原样工作，简单的解决方案是将它们保留为 Python 字符串：

>>> src = numpy.array([["a", "b"], ["c", "d"], ["e", "f"]], dtype=object)
>>> src2 = numpy.array([["x"], ["y"], ["z"]], dtype=object)    
>>> src[:, 1] += src2[:, 0]

没有了TypeError。

或者，如果您明确给出srcdtype |S2，numpy将允许这样做，并且第二个字符将为空白。它不会让你在其中添加另一个|S1，但你可以在 Python 中循环，或者找到一种复杂的方法来numpy为你做这件事。无论哪种方式，您当然不会获得任何通常的时间性能优势numpy，但您仍然可以获得使用固定尺寸固定单元的空间性能优势。

但你可能想退后一步，问问你想离开numpy这里做什么。你在这里的实际更高层次的目标是什么？大部分好处numpy来自使用numpy知道如何使用的严格的 C/Fortran 风格的数据类型——它可以将它们紧密打包，无需额外的解引用（并且无需引用计数）即可访问它们，以多种方式进行操作，从乘法到在没有 Python 等帮助的情况下复制到打印，但它不能进行字符串操作。如果您尝试对字符串操作进行矢量化，则说明您使用了错误的库来执行此操作。如果您只是numpy因为有人说它很快而使用它，那么在很多情况下都是如此，但在这一次却不是。如果您正在使用numpy，因为其他一些代码正在向您传递numpy数据，但您没有numpy方式，没有什么能阻止您将其转换为纯 Python 数据。

于 2012-12-06T18:54:43.900 回答