11

是否可以创建一个行为非常类似于 collections.namedtuple 的 NumPy 对象，从某种意义上说，可以像这样访问元素：

data[1] = 42
data['start date'] = '2011-09-20'  # Slight generalization of what is possible with a namedtuple

我尝试使用复杂的数据类型：

>>> data = numpy.empty(shape=tuple(), dtype=[('start date', 'S11'), ('n', int)])

这将创建一个具有命名元组类型的 0 维值；它几乎可以工作：

>>> data['start date'] = '2011-09-20'
>>> data
array(('2011-09-20', -3241474627884561860), 
      dtype=[('start date', '|S11'), ('n', '<i8')])

但是，元素访问不起作用，因为“数组”是 0 维的：

>>> data[0] = '2011-09-20'
Traceback (most recent call last):
  File "<ipython-input-19-ed41131430b9>", line 1, in <module>
    data[0] = '2011-09-20'
IndexError: 0-d arrays can't be indexed.

有没有办法使用 NumPy 对象获得上述所需行为（通过字符串和索引进行项目分配）？

4

4 回答 4

3

您可以使用该numpy.rec模块执行类似的操作。你需要的是record这个模块中的类，但我不知道如何直接创建这样一个类的实例。一种间接方法是首先recarray使用单个条目创建一个：

>>> a = numpy.recarray(1, names=["start date", "n"], formats=["S11", "i4"])[0]
>>> a[0] = "2011-09-20"
>>> a[1] = 42
>>> a
('2011-09-20', 42)
>>> a["start date"]
'2011-09-20'
>>> a.n
42

如果您知道如何直接创建实例record，请告诉我。

于 2011-09-20T19:07:37.437 回答
3

Pandas包中的“系列”很好地实现了这一点。

例如来自教程：

>>> from pandas import *
>>> import numpy as np
>>> s = Series(np.random.randn(5), index=['a', 'b', 'c', 'd', 'e'])
>>> s
a    -0.125628696947
b    0.0942011098937
c    -0.71375003803
d    -0.590085433392
e    0.993157363933
>>> s[1]
0.094201109893723267
>>> s['b']
0.094201109893723267

我已经玩了几天了，但看起来它有很多东西可以提供。

于 2011-09-21T03:24:23.313 回答
2

好的，我找到了一个解决方案，但我希望看到一个更优雅的解决方案：

data = numpy.empty(shape=1, dtype=[('start date', 'S11'), ('n', int)])[0]

创建一个具有单个元素的一维数组并获取该元素。这使得访问元素可以同时使用字符串和数字索引：

>>> data['start date'] = '2011-09-20'  # Contains a space: more flexible than a namedtuple!
>>> data[1] = 123
>>> data
('2011-09-20', 123)

data如果有一种方法可以直接构造，而不必先创建一个包含一个元素的数组并提取该元素，那就太好了。自从

>>> type(data)
<type 'numpy.void'>

我不确定可以调用什么 NumPy 构造函数……（没有文档字符串numpy.void）。

于 2011-09-20T19:07:16.200 回答
2

（编辑为 EOL 建议在回答问题时更具体。）

创建 0-dim 数组（我也没有找到标量构造函数。）

>>> data0 = np.array(('2011-09-20', 0), dtype=[('start date', 'S11'), ('n', int)])
>>> data0.ndim
0

访问 0-dim 数组中的元素

>>> type(data0[()])
<class 'numpy.void'>
>>> data0[()][0]
b'2011-09-20'
>>> data0[()]['start date']
b'2011-09-20'

>>> #There is also an item() method, which however returns the element as python type
>>> type(data0.item())
<class 'tuple'>

我认为最简单的方法是将结构化数组（或recarrays）视为元组的列表或数组，索引按名称选择列，按整数选择行。

>>> tupleli = [('2011-09-2%s' % i, i) for i in range(5)]
>>> tupleli
[('2011-09-20', 0), ('2011-09-21', 1), ('2011-09-22', 2), ('2011-09-23', 3), ('2011-09-24', 4)]
>>> dt = dtype=[('start date', '|S11'), ('n', np.int64)]
>>> dt
[('start date', '|S11'), ('n', <class 'numpy.int64'>)]

零维数组，元素为元组，即一条记录，已更改：不是标量元素，见末尾

>>> data1 = np.array(tupleli[0], dtype=dt)
>>> data1.shape
()
>>> data1['start date']
array(b'2011-09-20', 
      dtype='|S11')
>>> data1['n']
array(0, dtype=int64)

一个元素的数组

>>> data2 = np.array([tupleli[0]], dtype=dt)
>>> data2.shape
(1,)
>>> data2[0]
(b'2011-09-20', 0)

一维数组

>>> data3 = np.array(tupleli, dtype=dt)
>>> data3.shape
(5,)
>>> data3[2]
(b'2011-09-22', 2)
>>> data3['start date']
array([b'2011-09-20', b'2011-09-21', b'2011-09-22', b'2011-09-23',
       b'2011-09-24'], 
      dtype='|S11')
>>> data3['n']
array([0, 1, 2, 3, 4], dtype=int64)

直接索引到单个记录，与 EOL 的示例相同，我不知道它有效

>>> data3[2][1]
2
>>> data3[2][0]
b'2011-09-22'

>>> data3[2]['n']
2
>>> data3[2]['start date']
b'2011-09-22'

试图理解EOL的例子：标量元素和零维数组是不同的

>>> type(data1)
<class 'numpy.ndarray'>
>>> type(data1[()])   #get element out of 0-dim array
<class 'numpy.void'>

>>> data1[0]
Traceback (most recent call last):
  File "<pyshell#98>", line 1, in <module>
    data1[0]
IndexError: 0-d arrays can't be indexed
>>> data1[()][0]
b'2011-09-20'

>>> data1.ndim
0
>>> data1[()].ndim
0

（注意：我不小心在打开的 python 3.2 解释器中输入了示例，所以有一个 b'...'）

于 2011-09-23T02:03:33.157 回答